平時我們經(jīng)常會遇到各種各樣的字符編碼，最常見的就是 ASCII髓梅、UTF-8 除此之外還有 GB2312褒脯、GBK、EASCII 等等很多的字符編碼坟募。我們經(jīng)常提到的Unicode是一個字符集岛蚤，并不是一種字符編碼方案。但是這些編碼方案到底是如何將字符編碼的懈糯，對應(yīng)的歷史發(fā)展關(guān)系又是怎樣的呢涤妒？
字符集術(shù)語
在講述字符編碼之前，這里統(tǒng)一一下字符集術(shù)語赚哗。這部分是純概念的部分她紫，不感興趣的同學(xué)可以直接跳過這部分。
-
字符
字符是指字母屿储、數(shù)字贿讹、標(biāo)點、表意文字(比如漢語)扩所、符號围详，或其他文本形式的書寫"原子"。由統(tǒng)一字符集(Universal Character Set, UCS)首創(chuàng)，為多種語言中的很多字符開發(fā)了一系列標(biāo)準(zhǔn)化的文本名稱助赞，它們常用來便捷的命名字符买羞，而且不會與其他字符沖突。 -
字形
描述字符的筆畫圖案或唯一的圖形化形狀雹食。 -
編碼后的字符
分配給字符的唯一數(shù)字編號畜普，這樣我們就可以操作它了。 -
編碼空間
計劃用于字符編碼的整數(shù)范圍群叶。 -
編碼寬度
每個(固定大小的)字符編碼所用的位數(shù)吃挑。 -
字符集
特定的工作字符集(全體字符的一個子集)。 -
編碼后的字符集
組成字符庫(從全球的字符中選出若干字符)的已編碼字符集街立，并為每個字符分配編碼空間的一個代碼舶衬。換句話說，它把數(shù)字化的字符代碼映射為實際的字符赎离。 -
字符編碼方案
把數(shù)字化的字符代碼編碼成一系列二進制碼(并能相應(yīng)地反向解碼)的算法逛犹。
各種編碼方案的歷史及編碼方式
計算機首先是在美國發(fā)明出來的，為了使美國常用的一些字符能在計算機中進行操作梁剔，他們就對美國現(xiàn)有的字符進行編碼虽画。首先出現(xiàn)的比較規(guī)范的編碼方案就是ASCII碼。
ASCII碼
ASCII碼 (American Standard Code for Information Interchange荣病，美國信息交換標(biāo)準(zhǔn)代碼) 這種編碼方案采用一個字節(jié)表示一個字符码撰，一個字節(jié) 8 個 bit
位 2^8 可以表示 256 個狀態(tài)，但是其中只使用了 128 個狀態(tài)个盆，最高位始終為 0 脖岛。其中 0 ~ 31 表示控制字符，32 ~ 126 表示可顯示的字符砾省，127 表示刪除鸡岗。ASCII碼對照表。在美國這個字符編碼方案是夠用的编兄，但是隨著計算機的發(fā)展轩性，傳到了其他國家，其他國家的一些字符并沒有在這套編碼方案內(nèi)狠鸳，當(dāng)然也就無法顯示和控制了揣苏。人們就想起了剩下的那 128 個沒有使用的狀態(tài)對目前的 ASCII碼 進行擴展，這就是EASCII（Extended ASCII件舵，延伸美國標(biāo)準(zhǔn)信息交換碼）卸察。
EASCII碼
EASCII碼 有很多種，比較常見的有 CP437铅祸，ISO/IEC 8859系列 坑质。他共同特點就是前 128 位的狀態(tài)和 ASCII碼 是一樣的合武。而后面的則根據(jù)不同的國家對應(yīng)編不同的字符,這樣就解決了很多國家的字符編碼問題。但是到了亞洲大多采用表意文字涡扼，比如漢字多達幾千上萬的字符稼跳，這樣這套編碼方案就又不能適應(yīng)了。所以就又出現(xiàn)了其他的編碼方案吃沪，例如中文編碼方案 GB2312汤善、GBK 等等各種不同的編碼方案。下面以GB2312為例講解這類編碼方案票彪。
GB2312
由于漢字眾多红淡，單字節(jié)的狀態(tài)位已經(jīng)不夠用，所以中國人老實不客氣的在加一個字節(jié)這樣 2 個字節(jié) 16 位降铸，最多就可表示 2^16 = 65536 個狀態(tài)在旱。GB2312 是基于區(qū)位碼設(shè)計的，區(qū)位碼把編碼表分為 94 個區(qū)垮耳，每個區(qū)對應(yīng)
94 位颈渊，每個字符的區(qū)號和位號組合起來就是該漢字的區(qū)位碼。區(qū)位碼一般用十進制數(shù)來表示终佛，如 1601 就表示 16 區(qū) 1 位，對應(yīng)的字符是"啊"雾家。在區(qū)位碼的區(qū)號和位號上分別加上 0xA0 就得到了 GB2312 的編碼铃彰，比如字符"啊"的編碼就是 0xB0A1。GB2312簡體中文編碼表芯咧。其中有很多的狀態(tài)位是沒有使用的牙捉，
GB2312 的編碼范圍是 0xA1A1~0xFEFE ，就算是這個編碼范圍內(nèi)的也有很多是沒有使用的敬飒。后來的 GBK邪铲、GB18030 等都是在此基礎(chǔ)上，又增添了其他的一些字符无拗，這里不做具體敘述带到。
Unicode
隨著越來越多的編碼方案出現(xiàn)，相互之間的交流變得復(fù)雜起來英染。這時 Unicode出現(xiàn)了揽惹，Unicode字符表它把世界上所有的字符都對應(yīng)起來一個編碼。但 Unicode 僅僅只是一個字符集四康，它只規(guī)定了符號的二進制代碼搪搏，卻沒有規(guī)定這個二進制代碼應(yīng)該如何編碼存儲。后續(xù)對此字符集進行編碼闪金，提出了不同的編碼方案疯溺，其中有 UTF-8，UTF-16， UTF-32囱嫩。下面以 UTF-8 為例講解恃疯。
UTF-8
UTF-8(Unicode Transformation Format - 8)，UTF-8 使用的是變寬編碼挠说，不像上面提到的澡谭，說是一個字節(jié)或兩個字節(jié)的長度，則所有的字符都是那么長损俭。
UTF-8 占用最小占用 1 個字節(jié)蛙奖，最大占用 6 個字節(jié)。編碼方式為:
| 字符代碼的二進制位 | 字節(jié)1 | 字節(jié)2 | 字節(jié)3 | 字節(jié)4 | 字節(jié)5 | 字節(jié)6 |
|---|---|---|---|---|---|---|
| 0~7 | 0xxxxxxx | |||||
| 8~11 | 110xxxxx | 10xxxxxx | ||||
| 12~16 | 1110xxxx | 10xxxxxx | 10xxxxxx | |||
| 17~21 | 11110xxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | ||
| 22~26 | 111110xx | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | |
| 27~31 | 1111110x | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx |
舉例來說明一下杆兵，Unicode 中字符代碼 90(字符為" Z ") 的二進制碼為1011010 7位雁仲，這對應(yīng)的編碼就是一個字節(jié)長度，01011010琐脏。Unicode
中字符代碼 5073(字符" ? ") 的二進制碼為 1001111010001 13位 的則需要用三個字節(jié)攒砖。編碼后為11100001 10001111 10010001。
總結(jié)
像 ASCII碼 這些日裙，既是字符集吹艇，又是編碼方案，而 Unicode 僅僅是一個字符集昂拂，并不是一個編碼方案受神。我們最常用的編碼方案就是 ASCII碼和 UTF-8。而大多數(shù)的編碼方案都是兼容 ASCII碼 的格侯。這里只是在眾多的編碼方案中鼻听，挑出幾種來介紹，如果對其他的一些編碼方案感興趣联四，可以自己再去查閱有關(guān)資料撑碴。這是一系列文章的其中一篇，你可以在這兒Encode & Decode集序找到他其他的兄弟朝墩。
參考
- 陳娟,趙振平[譯]. HTTP權(quán)威指南:人名郵電出版社
- 常用字符集編碼詳解：ASCII 醉拓、GB2312、GBK鱼辙、GB1803...
