字符集和Unicode编码以及字库

字符集和字符编码的关系 ：

字符集是书写系统字母与符号的集合，为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）；字符集种类较多，每个字符集包含的字符个数不同，常见的字符集名称：ASCII字符集、GB2312字符集、GB18030字符集、UNICODE字符集等。

字符编码则是将字符映射为一特定的字节或字节序列，是一种规则，将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）。通常特定的字符集采用特定的编码方式（即一种字符集对应一种字符编码（例如：ASCII、IOS-8859-1、GB2312、GBK，都是即表示了字符集又表示了对应的字符编码）），因此基本上可以将两者视为同义词。

Unicode和Unicode编码：

Unicode是一个字符编码的标准规范，而UTF-8/UTF-16/UTF-32只是对这个标准规范的具体实现，可称为Unicode编码。

 

Unicode 目前规划的总空间是17个平面（平面0至16，开头是0x0-----0x10），0x0000 至 0x10FFFF。每个平面有 65536 个码点。2字节：2^16=65536，4字节：2^32=4,294,967,296

0平面是2字节字符，1-16平面是4字节字符。

BMP 的字符是 Unicode 中最基础和最常用的一部分，以 UTF-16 编码时使用2字节，以 UTF-8 编码时使用1至3字节。

超出 BMP（平面0） 的字符以 UTF-16 或 UTF-8 编码都需要4字节。

另外还有一个比较少用的编码形式，UTF-32，它编码任何 Unicode 字符都需要4个字节。

17*65536 = 1,114,112，32位可容纳下所有的码点

由于目前unicode的表的大小可以算到如果使用utf-32编码的话，用32个bit就能完全容纳下所有的码点，所以utf-32的特点是每一个字符编码后都是4个字节，是定长的，相对的utf-8和utf-16都是变长的

1、ASCII码 :128个字符。

特殊的：

0-9是48-57

A-Z 是65-90

a-z 是97-122

2、Unicode（UTF-16）

联盟为每个字母中的每个柏拉图字母分配了一个魔幻数字，其写法如下：U + 0639。这个幻数称为代码点。

3、UTF-8

在UTF-8中，从0-127的每个代码点都存储在一个字节中【ASCALL码】。实际上，只有代码点128和更高的代码点才使用2、3（最多6个字节）存储。相比于只使用英文字母的美国人使用UTF-8比使用UTF-16减少一半内存。

 

传统的“两字节存储”方法称为UCS-2（因为它有两个字节）或UTF-16（因为它有16位）

4、没有纯文本这样的东西。

如果您在内存，文件或电子邮件中有字符串，则必须知道它的编码格式，否则将无法解释它或将其正确显示给用户。

5、乱码

如果字符集和字符编码两者之间的转换规则不统一标准，就会乱码现象。简单的说乱码的出现是因为：编码和解码时用了不同或者不兼容的字符集。

字库

 字库就是字型库（FONT LIBRARY），其实计算机上显示的每个字符（不管它是哪种语言的），都是一个小的图案。字库就是把这些小的图案以图片的某种形式保存起来，需要显示的 时候还原出来就可以了。在WINDOWS操作系统里的字库存放在系统盘windows/fonts文件夹下，在linux操作系统中字库存放在这/usr /share/fonts/文件夹下。