刨根究底字符编码之零——前言

 前言

 

(图片来自网络)

 

一、

字符编码是计算机世界里最基础、最重要的一个主题之一。不过，在计算机教材中却往往浮光掠影般地草草带过，甚至连一本专门进行深入介绍的著作都找不到（对这一点我一直很困惑，为什么就没有哪位大牛对这个如此基础、重要而又如此容易让人困惑的主题写一本专著予以介绍呢）。

而在编程实践中，如果不发扬死磕到底的精神将字符编码问题的来龙去脉、前世今生彻底搞清楚，那么它终将会像幽灵一样挥之不去，导致时不时地被各种与字符编码相关的“灵异”事件折磨得死去活来。

本人正是在经受了字符编码所带来的种种令人崩溃的痛苦之后，才在痛定思痛之余，最终痛下决心，誓要将它刨根究底。

 

二、

字符编码的基础性、重要性，主要体现在它涉及面广。向下涉及到计算机的底层技术，甚至是硬件实现；向上几乎跟所有的操作系统、编程语言、应用程序都密切相关。

因此，要想真正搞明白字符编码问题，必须得从计算机的基本概念——位、字节、字等等开始，再结合不同的系统环境与编程环境，进行具体分析。

 

三、

类似于字符编码这样基础、重要、应用广泛而又特别容易让人困惑的主题还有字节序(即大小端表示)、正则表达式以及浮点数实现、日期时间处理等等。其中，字节序、正则表达式跟字符编码的关系又密切相关，尤其是字节序，直接影响字符编码的字节序列。而由于正则表达式主要用于在字符串中查找、提取字符或子字符串，要想真正理解正则表达式，也离不开对字符编码的深入理解。

基于此，本人准备将自己对字符编码(包括字节序)与正则表达式进行刨根究底后的一些心得体会写成两个系列文章，一方面整理一下自己的思路以备忘，另一方面也真心希望能够起到抛砖引玉的作用。

 

(图片来自网络)

四、

下面是字符编码系列文章将会涉及到的内容：

一）关键术语解释：位、字节、字与字长、字符集、编码、解码、字符编码、现代字符编码模型

二）字符编码的由来

三）ASCII字符编码方案

四）扩展ASCII字符编码方案EASCII(Extended ASCII)以及ISO/IEC 8859字符编码方案

五）汉字编码方案：GB2312、GBK、GB18030、GB13000、全角与半角、CJK中日韩统一表意文字

六）汉字编码中区位码、国标码(交换码)、内码(机内码)、外码(输入码)、字形码(输出码)的区别及关系

七）ANSI编码

八）代码页(Code Page)、微软与ANSI代码页

九）Unicode编码方案的面世

十）Unicode字符集概述

十一）字符编码系统(字符编码模型)的变化、字节序

十二）Unicode字符集的编码方式：码点、码元、UTF-8、UTF-16、UTF-32

十三）同样存在多字节编码，为什么说UTF-8没有字节序的问题，而UTF-16、UTF-32却有？

十四）微软为什么跟联通有仇——Windows记事本的字符编码方式

十五）Windows记事本的四种编码方式(ANSI、Unicode、Unicode big endian、UTF-8)有何区别？

十六）深入剖析奇葩的Python字符编码

十七）Vim中的字符编码问题

十八）Unicode常见问题解答

十九）总结