字符集编码---1 基本概念

    “给定一个字符，对应各类字符集编码后的二进制形式究竟是什么样子？”，对于这个问题，我本身也不甚清楚。并且平常工做中，每次遇到这个问题都是靠一款叫作 CodeView 的工具解决。因此接下来不涉及具体的编码过程，只对基本概念、各平台下的字符集转换作介绍。

    本文为第一部分，对经常使用字符集编码作概念性介绍。如下是查阅维基百科和牛人博客后，我本身的一种理解，并不必定十分准确。首先，要来理解两个概念：

 

    字符集：

         字符与二进制码一一对应的集合。

 

    字符编码：

         存储和解析字符集中的二进制码。而不一样字符集收录的字符数目不一样，规模不一样，因此不一样字符集的编码规则是不一样的，但同一字符集的编码规则是相同的。因此不少时候，字符集定下来，其编码规则也就定下来。

    

    接下来就介绍几种经常使用的字符集（编码）

    EBCDIC(Extended Binary Coded Decimal Interchange Code)：

　　　　扩增二进式十进交换码，IBM指定的一个字符编码表，在AS/400等系统上使用，平时几乎不太能见到。

 

    ACSII：

　　　　包含英文字母在内的128个常见字符集，因此每一个字符的编码长度为：1 字节。

 

    Unicode：

　　　　统一码，几乎涵盖世上全部的符号。只定义了字符与二进制码的对应关系，未定义二进制码的存储、解析规则。

            UTF-8(8-bit Unicode Transformation Format)：针对Unicode的可变长字符编码。每一个字符的编码长度为：1 ～ 6 字节。

　　　　UTF-16：也是一种针对Unicode的可变长字符编码。每一个字符的编码长度为：2 ～ 4 字节。

 

    GBK：

　　　　汉字内码扩展规范，是对GB2312(即CP936)的扩展，收录了汉字及图形符号。通常不特殊说明，GB23十二、CP93六、GBK都指的是GBK。

            每一个字符的编码长度为： 1 ～ 2 字节。

 

   根据上面介绍，有些时候须要用多个字节来表示一个字符，那么就要关注一下内存的存储方式啦。

 

   LE(Little Endian):

　　小字端存储，低位数字在前，放在低位。如，十六进制0x1234，存储后为：0x34 0x12

 

   BE(Big Endian):

　　大字端存储，高位数字在前，放在低位。如，十六进制0x1234，存储后为：0x12 0x34

 

参考连接：

字符编码笔记：ACSII，Unicode和UTF-8 (其实基本就是这篇的阅读笔记)

ACSII

Unicode / UTF-8 / UTF-16

GB 2312 / GBK

EBCDIC