字符(Char)：是一個信息單位歇式，在計算機(jī)里面掌眠，一個中文漢字是一個字符，一個英文字母是一個字符寥闪，一個阿拉伯?dāng)?shù)字是一個字符太惠，一個標(biāo)點(diǎn)符號也是一個字符。

字符集(Charset)：是一個系統(tǒng)所支持的所有的抽象字符的集合橙垢。其中字符為各種文字和符號的總稱垛叨。

字符編碼(Character Encoding)：是一套法則，使用該法則柜某，可以使自然語言中的一套字符集合 與 其他東西的一個集合進(jìn)行配對嗽元。即在符號結(jié)合和數(shù)字系統(tǒng)之間建立一套關(guān)系。通俗地講喂击，字符編碼就是將符號轉(zhuǎn)換為計算機(jī)可以接受的數(shù)字系統(tǒng)的數(shù)剂癌，稱為數(shù)字代碼。

常用的字符集：

常見的有：ASCII字符集翰绊，GB2312字符集佩谷，BIG5字符集，Unicode字符集

ASCII字符集和編碼：

ASCII是基于拉丁字母的一套編碼监嗜，主要用于現(xiàn)代英語谐檀，勉強(qiáng)支持西歐語言。

ASCII字符集：包含了控制字符（換行裁奇，退格鍵桐猬，回車鍵），可顯示字符等刽肠。

ASCII編碼：將ASCII字符集轉(zhuǎn)換為計算機(jī)可以識別的編碼規(guī)則溃肪。使用7位(bits)表示一個字符，可以支持128個字符音五。使用8位(bits)表示一個字符惫撰，共支持256個字符

ASCII編碼最大的缺點(diǎn)：只能顯示26個基本的英文字符，阿拉伯?dāng)?shù)字躺涝，英式標(biāo)點(diǎn)符號等共256個字符厨钻。

GBXXXX字符集和編碼：

天朝有了計算機(jī)后，必須引入一套規(guī)則，用于將漢子轉(zhuǎn)換為計算機(jī)可以接受的數(shù)字系統(tǒng)的數(shù)莉撇。

天朝專家把127號以后的字符都取消掉呢蛤，并且規(guī)定：小于127的字符的意義與原來相同，大于127的字符棍郎，每兩個連在一起表示一個漢字其障，前面一個字節(jié)成為高字節(jié)，后面一個字節(jié)成為低字節(jié)涂佃，這樣大約組合出來7000個左右的漢字励翼，在這些編碼里，連ASCII里本來就有的數(shù)字辜荠，標(biāo)點(diǎn)符號統(tǒng)統(tǒng)重寫編寫了一遍汽抚，這就是常說的“全角”“半角”字符，127以前的稱謂半角字符伯病。

特點(diǎn)：采用了多字節(jié)編碼造烁，每個字可以由1，2個或者4個字節(jié)組成

BIG5字符集和編碼：

BIG5字符集主要用來表示“繁體中文”午笛，稱為大5碼惭蟋。它是一套雙字節(jié)字符集，使用了雙八碼存儲方法药磺，使用兩個字節(jié)來安放一個字告组，第一個字節(jié)稱為“高位字節(jié)”，第二個字節(jié)稱為低位字節(jié)癌佩。

偉大的創(chuàng)想－Unicode：

為了解決世界上各種語言的問題木缝，防止互相訪問出現(xiàn)亂碼的情況，產(chǎn)生了Unicode围辙。

Unicode是基于通用字符集發(fā)展的我碟，被稱為統(tǒng)一碼，萬國碼姚建。

Unicode 與 UTF-8 UTF-16 UTF-32:

簡述：Unicode是字符集怎囚，UTF-8/16/32 是三種字符編碼方案：

UTF-32:

使用4個字節(jié)（32位）的數(shù)字來表達(dá)每個字母，數(shù)字桥胞。每個數(shù)字使用4個字節(jié)來表示，就空間效率而言考婴，是非常沒有效率的贩虾。

這種方法也有優(yōu)點(diǎn)，因?yàn)槠涿總€字母／數(shù)字使用4個字節(jié)數(shù)字來表示的沥阱，所以一個字符串中的第N個字符是從4*N個字節(jié)開始的缎罢，即每一個字符的長度都是固定的。

UTF-16:

盡管unicode表示的字符非常多，但是通常使用不會超過前65535個字符策精，所以舰始，UTF-16使用2個字節(jié)(16位)的數(shù)字來表示系統(tǒng)中的每個字母，數(shù)字咽袜，符號等丸卷。它最明顯的優(yōu)點(diǎn)就是空間效率上是utf-32的兩倍。

UTF-8：

UTF-8是基于Unicode的一種可變長度的字符編碼,它可以表示Unicode中的任何一個字符询刹，且編碼的第一個字節(jié)與ASCII完全兼容谜嫉。

UTF-8使用一到四個字節(jié)來表示一個字符。

(1) 128個ASCII字符凹联，只需要1個字節(jié)編碼

(2) 帶有附加符號的拉丁文沐兰，阿拉伯文等需要2個字節(jié)編碼

(3) 其他基本多文種平面，通常使用3個字節(jié)編碼

(4) 極少多食用4個字節(jié)編碼

優(yōu)點(diǎn)：

UTF-8不存在字節(jié)順序的問題（UTF－16存在）,一份以utf－8編碼的文件蔽挠，在不同的計算機(jī)之間住闯，是一份相同的bit流。

UTF-8是ASCII的超集澳淑，因?yàn)橐粋€純ASCII編碼的字符比原，也是一個合法的UTF－8編碼字符。

缺點(diǎn)：

因?yàn)槊總€字符使用不同數(shù)量的字節(jié)編碼偶惠，所以一個字符串中想要定位一個字符的位置春寿，就會很復(fù)雜。

Unicode 轉(zhuǎn) UTF-8的規(guī)則：

比如“漢”字忽孽，其Unicode編碼是6C49绑改，6C49在 0800-FFFF之間，所以才用第三套模版轉(zhuǎn)換兄一。

6C49轉(zhuǎn)換成二進(jìn)制是0110 1100 0100 1001 ,把這個比特流轉(zhuǎn)換成第三套模版就是 0110 110001 001001

然后填充到1110xxxx 10xxxxxx 10xxxxxx中x的位置上

即為11100110 10110001 10001001 ?即E6 B1 89 這就是UTF8編碼

一個有趣的問題厘线，當(dāng)你在windows電腦桌面建立一個文本文件，輸入“聯(lián)通”兩個字后出革，重新打開造壮，會出現(xiàn)亂碼。

答：

文本文件的默認(rèn)編碼是ANSI骂束，屬于GBxx系列耳璧，每個漢字采用2個字節(jié)編碼。所以“聯(lián)通”對應(yīng)的編碼為：

可以看到第一個字符的 高位字節(jié)前三位是110 ?低位字節(jié)前2位是10

第二個字符的 高位字節(jié)前三位110展箱，低位字節(jié)前2位是10

這一下就跟UTF-8編碼的第二套規(guī)則相符合旨枯，系統(tǒng)就會認(rèn)為這是utf8編碼，然后在解碼的時候就采用了錯誤的方式混驰，導(dǎo)致了亂碼攀隔。