文章摘要： 在计算机中，字符集是用于表示字符的编码集合，它是计算机处理文字和符号的基础。

编码的概念

• 计算机内部使用二进制数，一个字符在计算机中是以0和1构成的序列形式来存储的。
• 将字符映射到它的二进制形式的过程被成为“编码”（encoding）。
• 字符有多种不同的编码方式，编码表（encoding scheme）定义该如何编码每个字符。

ASCII

• 美国信息交换标准代码，包含英文字母、数字、符号。
• 每个字符用1个字节表示，即8位二进制数。
• 总共可以表示128个字符。
• 每个字符的二进制最高位用0表示。

案例

• 0xxx xxxx

详细总结：基础知识-字符集-ASCII

GBK

• 汉字内码扩展规范，国标。
• 每个中文字符编码成2个字节的形式存储，即16位二进制。
• GBK兼容了ASCII字符集。
• 每个字符的二进制最高位用1表示。

案例：

• 英文字符：0xxx xxxx
• 中文字符：1xxx xxxx xxxx xxxx

简体中文Simplified Chinese(GB 2312) gb2312

• GB 2312或GB2312-80是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，又称GB 0 。
• 1981年5月1日由中国国家标准总局发布。
• GB 2312对汉字采用双字节编码，收录7445个图形字符，其中包括6763个汉字。

简体中文Simplified Chinese(GBK) gbk

• GBK编码是对GB 2312编码的扩充，对汉字采用双字节编码。
• K的汉字拼音Kuo Zhan(扩展)中“扩”字的字母。
• 1995年12月发布的汉字编码国家标准。
• GBK字符集共收录21886个汉字，包括：GB 2312中的全部汉字、非汉字符号，国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。
• (以上合计“汉字”20902个和“其他汉字、部首、符号”共计984个)

简体中文Simplified Chinese(GB 18030) gb18030

• GB18030编码，全称：国家标准GB 18030-2005《信息技术中文编码字符集》。
• 是对GBK编码的扩充，覆盖中文、日文、朝鲜语和中国少数民族文字。
• GB2312 -> GBK -> GB19030是逐渐扩充的集合

Unicode

• Unicode是国际组织制定的，称为“统一码/万国码”。
• 可以容纳世界上所有文字、符号的字符集。

UTF-8编码方案

• UTF-8是Unicode字符集的一种编码方案，采用可变长编码方案。
• 共分为四个长度区：1个字节、2个字节、3个字节、4个字节。
• 英文字符、数字等只占用1个字节，汉字字符占用3个字节。

案例：

• 1个字节：0xxx xxxx
• 2个字节：110x xxxx 10xx xxxx
• 3个字节：1110 xxxx 10xx xxxx 10xx xxxx
• 4个字节：1111 0xxx 10xx xxxx 10xx xxxx 10xx xxxx