字符集

⼀些重要的字符集 不幸的是，这个世界太⼤了，不同的⼈制定出了好多种字符集，它们 表示的字符范围和⽤到的编码规则可能都不⼀样。我们看⼀下⼀些常 ⽤字符集的情况：

ASCII字符集 共收录128个字符，包括空格、标点符号、数字、⼤⼩写字⺟ 和⼀些不可⻅字符。由于总共才128个字符，所以可以使⽤1个 字节来进⾏编码，我们看⼀些字符的编码⽅式： 'L' -> 01001100（⼗六进制：0x4C，⼗进制：76） 'M' -> 01001101（⼗六进制：0x4D，⼗进制：77）

ISO 8859-1字符集 共收录256个字符，是在ASCII字符集的基础上⼜扩充了128 个⻄欧常⽤字符(包括德法两国的字⺟)，也可以使⽤1个字节来 进⾏编码。这个字符集也有⼀个别名latin1。

GB2312字符集 收录了汉字以及拉丁字⺟、希腊字⺟、⽇⽂平假名及⽚假名字 ⺟、俄语⻄⾥尔字⺟。其中收录汉字6763个，其他⽂字符号 682个。同时这种字符集⼜兼容ASCII字符集，所以在编码⽅ 式上显得有些奇怪： 如果该字符在ASCII字符集中，则采⽤1字节编码。 否则采⽤2字节编码。 这种表示⼀个字符需要的字节数可能不同的编码⽅式称为变⻓ 编码⽅式。⽐⽅说字符串'爱u'，其中'爱'需要⽤2个字节进 ⾏编码，编码后的⼗六进制表示为0xCED2，'u'需要⽤1个字节进⾏编码，编码后的⼗六进制表示为0x75，所以拼合起来就 是0xCED275。

⼩贴⼠： 我们怎么区分某个字节代表⼀个单独的字符还是代表某个字符 的⼀部分呢？别忘了`ASCII`字符集只收录128个字符，使 ⽤0～127就可以表示全部字符，所以如果某个字节是在0 ～127之内的，就意味着⼀个字节代表⼀个单独的字符，否则 就是两个字节代表⼀个单独的字符。

GBK字符集 GBK字符集只是在收录字符范围上对GB2312字符集作了扩充， 编码⽅式上兼容GB2312。

utf8字符集 收录地球上能想到的所有字符，⽽且还在不断扩充。这种字符 集兼容ASCII字符集，采⽤变⻓编码⽅式，编码⼀个字符需要 使⽤1～4个字节，⽐⽅说这样： 'L' -> 01001100（⼗六进制：0x4C） '啊' -> 111001011001010110001010（⼗六进 制：0xE5958A）