字符集、字符编码总结

字符集（Charset）：是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

字符编码：是一套规则，将字符和二进制数据建立映射关系。

按照出现的时间：

1、ASCLL（American Standard Code for Information Interchange）：它包含一个字节，128个字符；

2、EASCLL：包含256个字符，它是对ASCALL的扩展。

3、ISO－8859:计算机传到欧洲之后，之前的字符集不够使用了，国际标准化组织对ASCLL做了扩展，类似EASCLL，因为欧洲语言环境复杂，出现了很多子标准，例如ISO－8859－1、ISO－8859-2.....

4、GB2312:当传到亚洲之后，国际化标准也不够用了，256个字符远远满足不了需求，扩展为双字节，16bit。GB2312为中文编码，包含6763个汉字。

天朝专家把那些127号之后的奇异符号们（即EASCII）取消掉，规定：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（他称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，还把数学符号、罗马希腊的 字母、日文的假名们都编进去了，连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，而原来在127号以下的那些就叫"半角"字符了。

5、GBK：就是对GB2312的扩展。

6、Unicode：统一码、万国码、单一码、标准万国码。当计算机传遍全世界的时候，unicode 出现了。Unicode 是字符集，UTF－8、UTF－16、UTF－32是编码方案。Unicode 包含4个字节，32bit。

7、UTF－32（UCS－4）:包含4个字节，对Unicode中的每一个字符都使用4个字节，浪费空间；但是也有优点，它可以在字符串中快速定位到指定字符

8、UTF－16:包含2个字节，16bit。因为常用字符不会超过65536，这样可以节省一半的空间，相比UTF－32.对于超过的部分，也有其他方法可以解决。

9、UTF－8:可变长度字节编码，采用1到4个字节来为unicode字符编码。

 

参考文件：

字符历史：

http://www.jianshu.com/p/bd7a6c508c33

字符详情：

http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html

UTF－8的详细解释：

http://cenalulu.github.io/linux/character-encoding/