5字符集和编码格式

科学家们先设计字符编码规则，然后再填入字符集。
在ASCII体系下，为了显示汉字，扩展了GB2312、GBK
等编码。 Unicode字符集是全世界所有语言、符号的集合。使 用4字节表示一个字符。 Unicode是字符集，UTF-32/ UTF-16/ UTF-8是三种字 符编码方案 用UTF-32直接编码，太浪费空间，所以诞生了UTF-8 编码方案。
地区的(计算机行业的)交流。 为了解决这个问题Unicode诞生了，目的是能用统一 的编码系统，表达任意语言。 Unicode字符集在不断扩展，目前已经包含了超过十 万个字符。 目前的Unicode由一个非营利性组织负责维护，目标 是将已有的编码方案全部由Unicode取代。
使用4字节的数字来表达每个字母、符号。
ຫໍສະໝຸດ Baidu
“4字节”重新编码称为2字节。由于算法太诡异，所 以使用不多。 UTF-8，是一种可变长度字符编码。目前最常用的编 码方案。
ASCII字符只需一个字节编码（Unicode范围由
U+0000至U+007F）。 带有附加符号的拉丁文、希腊文、西里尔字母、亚美 尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母 则需要二个字节编码（Unicode范围由U+0080至 U+07FF）。 其他基本多文种平面（BMP）中的字符（这包含了大 部分常用字）使用三个字节编码。 其他极少使用的Unicode辅助平面的字符使用四字节 编码。
自然语言和计算机的映射
计算机中储存的信息都是用二进制数表示的。
英文、汉字等字符是二进制数转换之后的结果。
把文字转换成二进制，称为“编码”；反之，把二进
制转换成文字显示出来，称为“解码”。
具体的对应关系，是早期的计算机从业者（科学家）
定义的。
字符集：一系列文字、符号的集合。
例如：A~Z，大写字母集；0~1，阿拉伯数字集；
所有的汉字，中文集；
字符编码：一套规则。将字符集映射成二进制(计算机
可识别)。 若要被计算机识别，每个字符集都必须至少有一套字 符编码。
字符集 通过 编码规则 &编码方案 告诉 计算机
ASCII字符集、GB2312字符集、BIG5字符集、GB18030
字符集 通常使用ANSI编码。
Unicode字符集
在设计的时候，专家们先考虑编码，然后才决定把哪
些文字放进去。
对于人名、古汉语等方面出现的罕用字，GB2312不能
处理。 如中国前总理朱镕基的“镕”字。 如繁体、日语、朝鲜语汉字等。 这导致了后来GBK及GB 18030汉字字符集的出现。
世界各地的编码方案的不兼容问题，严重影响到了各
每个数字代表唯一的至少在某种语言中使用的符号。
被几种语言共用的字符通常使用相同的数字来编码。 每个字符对应一个数字，每个数字对应一个字符。即
不存在二义性。
UTF-32/ UTF-16/ UTF-8
UTF-32，直接将4字节的数据作为编码。太浪费空间。
UTF-16，为了减少编码空间，用一种特殊的算法将
通常使用UTF-xx编码。
ASCII（American Standard Code
for Information Interchange，美国信息交换标准代码） 最早诞生的字符集。
ASCII字符集主要包括：
控制字符（回车键、退格、换行键等）； 可显示字符（英文大小写字符、阿拉伯数字和西文符号）。 ASCII编码： 使用7位（bits）表示一个字符，共128字符； ASCII扩展字符集使用8位（bits）表示一个字符，共256字 符。为了表示更多的欧洲常用字符。
个字节（低字节）从0xA1到0xFE。 这样我们就可以组合出大约7000多个字符了。 够用么？ 够用，甚至还把数学符号、罗马希腊的字母、日文的 假名 都编进去了
由中国国家标准总局发布，1981年5月1日实施。
收录了6763个简体汉字，基本满足了汉字的计算机处
理需要，它所收录的汉字已经覆盖中国大陆99.75%的 使用频率。
太少了，不够用。
只能显示有限的128个字符，勉强可以显示应用，但是
连一些英语中有重音的外来词都不能显示。
中文怎么显示？ GB2312，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》
编码规则：
一个小于127的字符的意义与原来相同，
但两个大于127的字符连在一起时，就表示一个汉字。 前面的一个字节（高字节）从0xA1用到 0xF7，后面一