字符集与编码这两个概念常被混淆,二者是有差异的。
字符集与字符集编码是两个不一样层面的概念:
(1)charset 是 character set 的简写,即字符集。
(2)encoding 是 charset encoding 的简写,即字符集编码,简称编码。、html
从这里能够很清楚地看到,web
1、编码是依赖于字符集的,就像代码中的接口实现依赖于接口同样;
2、一个字符集能够有多个编码实现,就像一个接口能够有多个实现类同样。svg
能够简单看两个例子,一个自于 html 文件,用的是 charset:ui
<meta http-equiv="content-type" content="text/html;charset=utf-8">
另外一个来自于 xml 文件,用的是 encoding:编码
<?xml version="1.0" encoding="UTF-8"?>
哪种用法更规范呢?显然是后者,它更加准确地区分了字符集与编码的概念。spa
注意:“charset=utf-8”容易让人误解为存在一种叫“UTF-8”的字符集,但实际上,不管是 UTF-8,UTF-16 仍是 UTF-32 都是对同一种字符集的不一样编码实现而已。code
在早期,字符集与编码是一对一的,但随着时间的发展,出现了一对多的情形。xml
有不少的字符编码方案,一个字符集只有惟一一个编码实现,二者是一一对应的。好比 GB2312,这种状况,不管你怎么去称呼它们,好比“GB2312编码”,“GB2312字符集”,说来讲去其实都是一个东西,可能它自己就没有特地去作什么区分,因此不管怎么说都不会错。htm
咱们以 GB2312 为例,GB=Guo Biao=国标=国家标准,标准出来原本就为了统一,你一个标准弄出 N 个编码实现来,你让人家用哪一个呢?blog
事情到了 Unicode 这里,变得不同了,惟一的 Unicode 字符集对应了三种编码:UTF-8,UTF-16,UTF-32。若是仍是这么笼统地去称呼,就很容易搞混了。
人们弄出新的字符集标准,驱动力无外乎是旧的字符集里的字符不够用了。
Unicode 的目标是统一全部的字符集,囊括全部的字符,因此字符集发展到它这里就到头了,再去整什么新的字符集就不必也不该该了。
但若是以为它现有的编码方案不太好呢?在不能弄出新的字符集状况下,只能在编码方面作文章了,因而就有了多个实现,这样一来传统的一一对应关系就打破了。
咱们严格地区分字符集与编码两个概念,理由就在这里:
指定了编码,它所对应的字符集天然就指定了,编码才是咱们最终要关心的。
因为历史方面的缘由,你还会在很多地方看到把 Unicode 和 UTF-8 混在一块的状况,这种状况下的 Unicode 一般就是 UTF-16 或者是更早的 UCS-2 编码,在后面的篇章中咱们会进一步分析。
咱们如今说了很多 Unicode,因为各类缘由,必须认可,在不一样的语境下,“Unicode”这个词有着不一样的含义。 它可能指: (1)Unicode 标准 (2)Unicode 字符集 (3)Unicode 的抽象编码(编号),也即码点(code point) (4)Unicode 的一个具体编码实现,一般即为变长的 UTF-16(16 或 32 位),又或者是更早期的定长 16 位的 UCS-2