计算机基础：编码字符集

当字符的编码格式和解码格式不一致时，会出现乱码。

非统一编码

ASCII

美国国家标准学会（American National Standard Institute, ANSI）制定。

包含英文字母、数字和常用符号的编码。

1. 使用 1 个字节，编码范围从 0 到127，最高位始终为 0。
2. 示例：
   • 字符 A 编码是 0x41。
   • 字符 1 编码是 0x31。

GB2312

ASCII 编码使用 1 个字节，不足以表示其它国家的语言。

因此其它语言也有相应的编码标准。

1. 使用 2 个字节表示一个汉字，首个字节的最高位始终为 1。
2. 示例：
   • 汉字 中 编码是 0xd6d0。
   • 类似的，日文有 Shift_JIS 编码，韩文有 EUC-KR 编码。

统一编码

Unicode

不同国家编码的标准不统一，同时使用则会产生冲突。

为了统一全球主要语言的编码，全球统一码联盟发布 Unicode 编码。

1. 使用 2 个或更多字节表示。

2. 示例：

   1. 英文字符：ASCII 字符在首部添加 00 字节。

               ┌────┐
      ASCII:   │ 41 │
               └────┘
               ┌────┬────┐
      Unicode: │ 00 │ 41 │
               └────┴────┘
      

   2. 中文字符：

               ┌────┬────┐
      GB2312:  │ d6 │ d0 │
               └────┴────┘
               ┌────┬────┐
      Unicode: │ 4e │ 2d │
               └────┴────┘
      

UTF-8

英文字符 Unicode 编码的高字节总是 00，浪费空间。

UTF-8 是一种变长编码。

1. 节省空间： 使用 1-4 字节。
   1. 英文字符 A 编码 0x41，与 ASCII 码一致。
   2. 中文字符 中 编码 0xe4b8ad。
2. 容错能力强：若传输过程中某些字符出错，不会影响后续字符。
   1. UTF-8 编码依靠高字节位来确定一个字符有几个字节。
   2. 常用作传输编码。