在上篇博文（java中文亂碼解決之道（一）—–認(rèn)識字符集）中具帮，LZ簡單介紹了主流的字符編碼避咆，對各種編碼都是點到為止镶骗，以下LZ將詳細(xì)闡述字符集、字符編碼等基礎(chǔ)知識和ASCII、GB的詳情喊巍。
一屠缭、基礎(chǔ)知識
在了解各種字符集之前我們需要了解一些最基礎(chǔ)的知識，如：編碼崭参、字符呵曹、字符集、字符編碼基礎(chǔ)知識何暮。
編碼
計算機(jī)中存儲的信息都是用二進(jìn)制表示的奄喂，我們在屏幕上所看到文字、圖片等都是通過二進(jìn)制轉(zhuǎn)換的結(jié)果海洼。編碼是信息從一種形式或格式轉(zhuǎn)換為另一種形式的過程跨新，通俗點講就是就是將我們看到的文字、圖片等信息按照某種規(guī)則存儲在計算機(jī)中贰军，例如‘c’在計算機(jī)中怎么表達(dá)玻蝌，‘陳’在計算機(jī)中怎么表達(dá)，這個過程就稱之為編碼词疼。解碼是編碼的逆過程，它是將存儲在計算機(jī)的二進(jìn)制轉(zhuǎn)換為我們可以看到的文字帘腹、圖片等信息贰盗，它體現(xiàn)的是視覺上的刺激。
n位二進(jìn)制數(shù)可以組合成2的n次方個不同的信息阳欲，給每個信息規(guī)定一個具體碼組舵盈，這種過程也叫編碼。
在編碼和解碼中球化，他們就如加密秽晚、解密一般，他們一定會遵循某個規(guī)則筒愚，即y = f(x)赴蝇，那么x = f(y)；否則在解密過程就會導(dǎo)致‘a(chǎn)’解析成‘b’或者亂碼巢掺。
字符
字符是可使用多種不同字符方案或代碼頁來表示的抽象實體句伶，它是一個單位的字形、類字形單位或符號的基本信息陆淀，也是各種文字和符號的總稱考余，包括各國家文字、標(biāo)點符號轧苫、圖形符號楚堤、數(shù)字等。
字符是指計算機(jī)中使用的字母、數(shù)字身冬、字和符號衅胀，包括：1、2吏恭、3拗小、A、B樱哼、C哀九、~！·#￥%……—（）——+等等搅幅。在 ASCII 編碼中阅束，一個英文字母字符存儲需要1個字節(jié)。在 GB 2312 編碼或 GBK 編碼中茄唐，一個漢字字符存儲需要2個字節(jié)息裸。在UTF-8編碼中，一個英文字母字符存儲需要1個字節(jié)沪编，一個漢字字符儲存需要3到4個字節(jié)呼盆。在UTF-16編碼中，一個英文字母字符或一個漢字字符存儲都需要2個字節(jié)（Unicode擴(kuò)展區(qū)的一些漢字存儲需要4個字節(jié)）蚁廓。在UTF-32編碼中访圃，世界上任何字符的存儲都需要4個字節(jié)。
[圖片上傳中相嵌。腿时。。（1）]
字符集
字符是各種文字和符號的總稱饭宾，而字符集則是多個字符的集合批糟，字符集種類較多，每個字符集包含的字符個數(shù)不同看铆。而計算機(jī)要準(zhǔn)確的處理各種字符集文字徽鼎，需要進(jìn)行字符編碼，以便計算機(jī)能夠識別和存儲各種文字性湿。
常見字符集名稱：ASCII字符集纬傲、GB2312字符集、BIG5字符集肤频、 GB18030字符集叹括、Unicode字符集等。
字符編碼
計算機(jī)中的信息包括數(shù)據(jù)信息和控制信息宵荒，然而不管是那種信息汁雷，他們都是以二進(jìn)制編碼的方式存入計算機(jī)中净嘀，但是他們是怎么展示在屏幕上的呢？同時在展現(xiàn)過程中如何才能保證他們不出錯侠讯？這個時候字符編碼就起到了重要作用挖藏！字符編碼是一套規(guī)則，一套建立在符合集合與數(shù)字系統(tǒng)之間的對應(yīng)關(guān)系之上的規(guī)則厢漩，它是信息處理的基本技術(shù)膜眠。
使用字符編碼這套規(guī)則能夠?qū)ψ匀徽Z言的字符的一個集合（如字母表或音節(jié)表），與其他東西的一個集合（如號碼或電脈沖）進(jìn)行配對溜嗜。
[圖片上傳中宵膨。。炸宵。（2）]
二辟躏、ASCII
2.1、標(biāo)準(zhǔn)ASCII碼
ASCII（American Standard Code for Information Interchange土全，美國信息交換標(biāo)準(zhǔn)代碼）是基于拉丁字母的一套電腦編碼系統(tǒng)捎琐。它主要用于顯示現(xiàn)代英語和其他西歐英語，它是現(xiàn)今最通用的單字節(jié)編碼系統(tǒng)裹匙。
ASCII使用7位或者8位來表示128或者256種可能的字符瑞凑。標(biāo)準(zhǔn)的ASCII碼則是使用7位二進(jìn)制數(shù)來表示所有的大小寫字母、數(shù)字概页、標(biāo)點符合和一些控制字符拨黔，其中：
0~31、127（共33個）是控制字符或者通信專用字符绰沥，如控制符：LF（換行）、CR（回車）贺待、DEL（刪除）等徽曲；通信專用字符：SOH（文頭）、EOT（文尾）麸塞、ACK（確認(rèn)）等秃臣。ASCII值為8、9哪工、10奥此、13分別表示退格、制表雁比、換號稚虎、回車字符。
32_{126（共95個）字符偎捎，32為空格蠢终、48}57為阿拉伯?dāng)?shù)字序攘、65_{90為大寫字母、97}122為小寫字母寻拂，其余為一些標(biāo)點符號和運(yùn)算符號程奠！
前面提過標(biāo)準(zhǔn)的ASCII碼是使用七位來表示字符的，而最高位（b7）則是用作奇偶校驗的祭钉。所謂奇偶校驗瞄沙，是指在代碼傳送過程中用來檢驗是否出現(xiàn)錯誤的一種方法，一般分奇校驗和偶校驗兩種慌核。奇校驗規(guī)定：正確的代碼一個字節(jié)中1的個數(shù)必須是奇數(shù)距境，若非奇數(shù)，則在最高位b7添1遂铡；偶校驗規(guī)定：正確的代碼一個字節(jié)中1的個數(shù)必須是偶數(shù)肮疗，若非偶數(shù)，則在最高位b7添1扒接。 （參考百度百科）
下面是ASCII字符對照表伪货，更多詳情請關(guān)注：》》 ASCII碼表 《《
[圖片上傳中。钾怔。碱呼。（3）]
[圖片上傳中。宗侦。愚臀。（4）]
2.2、擴(kuò)展ASCII碼
標(biāo)準(zhǔn)的ASCII是用七位來表示的矾利，那么它的缺陷就非常明顯了：只能顯示26個基本拉丁字母姑裂、阿拉伯?dāng)?shù)目字和英式標(biāo)點符號，基本上只能應(yīng)用于現(xiàn)代美國英語男旗，對于其他國家舶斧，128個字符肯定不夠。于是察皇，這些歐洲國家決定利用字節(jié)中閑置的最高位編入新的符號茴厉，這樣一來，可以表達(dá)的字符數(shù)最多就為256個什荣，但是隨著產(chǎn)生的問題也就來了：不同的國家有不同的字母矾缓，可能同一個編碼在不同的國家所表示的字符不同。但是不管怎么樣稻爬，在這些編碼中0_{127所表示的字符肯定是一樣的嗜闻，不一樣的也只是128}255這一段。
8位的ASCII在歐洲國家表現(xiàn)的不盡人意因篇，那么在其他國家就更加不用說了泞辐，我們擁有五千年歷史文化的中華名族所包含的漢字多大10多萬笔横，不知道是多少個256。所以一個字節(jié)8位表示的256個字符肯定是不夠的咐吼，那么兩個字節(jié)呢吹缔？可能夠了吧！我們常見的漢字就是用兩個字節(jié)表示的锯茄，如GB2312厢塘。
[圖片上傳中。肌幽。晚碾。（5）]
三、GB*
對于歐美國家來說喂急，ASCII能夠很好的滿足用戶的需求格嘁，但是當(dāng)我們中華名族使用計算機(jī)時，ASCII明顯就不滿足需求了廊移，有5000年歷史文化的我們糕簿，擁有的漢字達(dá)到將近10萬，所以為了顯示中文狡孔，我們必須設(shè)計一套編碼規(guī)則用于將漢字轉(zhuǎn)換為計算機(jī)可以接受的數(shù)字系統(tǒng)的數(shù)懂诗。顯示中文的常用字符編碼有：GB2312、GBK苗膝、GB18030殃恒。
GB2312
GB2312，中國國家標(biāo)準(zhǔn)簡體中文字符集辱揭，全稱《信息交換用漢字編碼字符集·基本集》离唐，由中國國家標(biāo)準(zhǔn)總局發(fā)布，1981年5月1日實施问窃。
GB2312編碼的規(guī)則：一個小于127的字符的意義與原來相同侯繁，但兩個大于127的字符連在一起時，就表示一個漢字泡躯，前面的一個字節(jié)（他稱之為高字節(jié)）從0xA1用到 0xF7，后面一個字節(jié)（低字節(jié)）從0xA1到0xFE丽焊，這樣我們就可以組合出大約7000多個簡體漢字了较剃。在這些編碼里，還把數(shù)學(xué)符號技健、羅馬希臘的 字母写穴、日文的假名們都編進(jìn)去了，連在ASCII里本來就有的數(shù)字雌贱、標(biāo)點啊送、字母都統(tǒng)統(tǒng)重新編了兩個字節(jié)長的編碼偿短，這就是常說的”全角”字符，而原來在127 號以下的那些就叫”半角”字符了馋没。
在GB2312中昔逗，GB2312共收錄6763個漢字，其中一級漢字3755個篷朵，二級漢字3008個勾怒，還收錄了拉丁字母、希臘字母声旺、日文等682個全角字符笔链。由于GB2312的出現(xiàn)腮猖，它基本上解決了我們?nèi)粘５男枰珍浀臐h子已經(jīng)覆蓋了中國大陸99.75%的使用平率澈缺。但是我國文化博大精深，對于人名谍椅、古漢語等方面出現(xiàn)的罕用字误堡，GB2312還是不能處理雏吭，于是后面的GBK和GB18030漢字字符集出現(xiàn)了。
GB2312字符集庫非常龐大杖们，詳情：GB2312簡體中文編碼表。
GBK
GBK摘完，全稱《漢字內(nèi)碼擴(kuò)展規(guī)范》姥饰，由中華人民共和國全國信息技術(shù)標(biāo)準(zhǔn)化技術(shù)委員會1995年12月1日制訂，也是漢字編碼的標(biāo)準(zhǔn)之一孝治。
GBK是GB2312的擴(kuò)展列粪，他向下與GB2312兼容，谈飒，向上支持 ISO 10646.1 國際標(biāo)準(zhǔn)岂座，是前者向后者過渡過程中的一個承上啟下的標(biāo)準(zhǔn)。同時它是使用雙字節(jié)編碼方案杭措，其編碼范圍從8140至FEFE（剔除xx7F）费什，首字節(jié)在 81-FE 之間，尾字節(jié)在 40-FE 之間手素，共23940個碼位鸳址，共收錄了21003個漢字瘩蚪。
GB18030
GB18030，國家標(biāo)準(zhǔn)GB18030《信息技術(shù) 中文編碼字符集》稿黍，是我國計算機(jī)系統(tǒng)必須遵循的基礎(chǔ)性標(biāo)準(zhǔn)之一疹瘦。它有兩個版本：GB18030-2000、GB18030-2005闻察。其中GB18030-2000僅規(guī)定了常用非漢字符號和27533個漢字（包括部首拱礁、部件等）的編碼，而GB18030-2005是全文強(qiáng)制性標(biāo)準(zhǔn)辕漂，市場上銷售的產(chǎn)品必須符合呢灶，它是GB18030-2000的基礎(chǔ)上增加了42711個漢字和多種我國少數(shù)民族文字的編碼。
GB18030標(biāo)準(zhǔn)采用單字節(jié)钉嘹、雙字節(jié)和四字節(jié)三種方式對字符編碼鸯乃。（碼位總體結(jié)構(gòu)見下圖）
單字節(jié)部分采用GB/T 11383的編碼結(jié)構(gòu)與規(guī)則，使用0×00至0×7F碼位(對應(yīng)于ASCII碼的相應(yīng)碼位)跋涣。雙字節(jié)部分缨睡，首字節(jié)碼位從0×81至0×FE，尾字節(jié)碼位分別是0×40至0×7E和0×80至0×FE陈辱。四字節(jié)部分采用GB/T 11383未采用的0×30到0×39作為對雙字節(jié)編碼擴(kuò)充的后綴奖年，這樣擴(kuò)充的四字節(jié)編碼，其范圍為0×81308130到0×FE39FE39沛贪。其中第一陋守、三個字節(jié)編碼碼位均為0×81至0×FE，第二利赋、四個字節(jié)編碼碼位均為0×30至0×39水评。
[圖片上傳中。媚送。中燥。（6）]
四、參考文獻(xiàn)&進(jìn)一步閱讀
編碼：http://baike.baidu.com/subview/237708/11062012.htm（百度百科）
字符：http://baike.baidu.com/view/263416.htm（百度百科）
字符集：http://baike.baidu.com/view/51987.htm（百度百科）
字符編碼：http://baike.baidu.com/view/1204863.htm（百度百科）
字符集和字符編碼：http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html（吳秦）
ASCII：http://baike.baidu.com/view/15482.htm
GB2312：http://baike.baidu.com/view/443268.htm
GBK：http://baike.baidu.com/view/931619.htm
GB18030：http://baike.baidu.com/view/889058.htm