字符编码

开发过程当中，有时会遇到乱码的状况，而后不知道为何，对编码没有了解，遇到问题的时候也就一脸懵逼了，这篇文章对编码作了一个汇总。

一开始

写代码的时候，编码出问题的时候，就知道把编码设置为UTF-8，为啥呢？不知道。了解完编码以后，才不会只熟悉编码的拼写。

字符

说编码以前，咱们要先来了解一下字符

什么是字符？

字符：字符很简单，其实就是一个表示，好比：中文字符、英文字符...

而后，什么是字符集

字符集：字面上理解，就是具体共同特征的字符的集合

编码

说完字符以后，咱们来看一下什么是编码

编码 = 占用存储 + 编码表

首先，看一下什么占用存储？即规定一个字符用多少个字节来显示，为何呢？由于计算机只能处理0|1数据，因此咱们要规定占用存储。

占用存储：规定一个字符用多少个字节来显示

而后，来看一下什么是编码表，编码表这个就容易了，就是规定哪一个字符对应哪一个编码。

编码表：规定字符集种每一个字符的对应关系

编码说完了，咱们来看一下编码格式。

ASCII（美国标准信息交换代码）

提及编码，第一个确定要说到ASCII，这个应该是咱们接触的第一个编码格式。

• 一个字节（7/8位）
• 定义128个字符（显示字符95个，非显示字符33个）

因为ASCII只定义了英文字符，中文等其余复杂的字符不能表现，因此有了ASCII的扩展，如GB23十二、GBK。

GB2312（信息交换用汉字编码字符集）

GB2312，对ASCII扩展以后，支持中文。

• 双字节
• 区位码表示（94区&94位）
• 收录汉字6773个

GBK（汉字内码扩展规范）

因为GB2312只有简体中文，不能有繁体或者日文之类的，因此又扩展了GBK。

• GB2312的扩展
• 双字节
• 收录汉字21003个（支持中日韩汉字）

GB18030（汉字编码国家标准）

汉字的总数其实很是多，像少数名字的汉字并无在GBK中，因此后面又扩展了GB18030。

• 单/双/四字节 同时支持
• 补充多名族语言（藏、蒙古、傣、彝、朝鲜、维吾尔文等）
• GB18030-2000：收录汉字27533个
• GB18030-2005：收录汉字70244个

Unicode-字符集

ASCII的扩展，只能知足一部分的需求，当国际化出现的时候，发现兼容不了，因此就出现了Unicode字符集，又称统一码、万国码、单一码。是对全世界语言的字符集合。

• 用U+ 紧接一组16进制的数字表示（如：U+4AE0）
• 基础表示都在0号平面，另外扩展16个平面，在16进制前面多加一个字节表示（如U+3FFFF）

Unicode的编码有三种，区别在于用多少个字节表示

• UTF-8：可变长
• UTF-16：大部分2字节
• UTF-32：4字节

UTF-8

UTF-8是Unicode编码中最经常使用的一种，这里咱们主要介绍UTF-8

下面咱们看下怎么将Unicode编码成UTF-8

咱们以 “汉” 为例

1. 拿到“汉”的Unicode表示 U+6C49
2. 而后查看下图编码模板，得知6C49位于000800-00FFFF中间，因此咱们获得模板 1110xxxx 10xxxxxx 10xxxxxx，设为 a
3. 将 6C49 转化为二进制，获得 0110 1100 0100 1001 ，设为 b
4. 将 b 填充到 a 中的x位置，获得 11100110 10110001 10001001 ，设为 c
5. 最后，将 c 转成16进制，获得 E6 B1 89 ，这个就是“汉”的UTF-8编码

写在最后

知道了什么格式的编码是什么格式以后，后面出现乱码的时候就能够比较容易的查到缘由。咱们要作的处理比较简单，就是先后台使用同一编码。就像语言交流，同一种语言才能共通。