字符集

1. 字符集及ASCII

2. GBK

3. Unicode

4. UTF-8

字符集的概述

注意：主要有中文的问题就会出现编码问题

字符：汉字、标点、英文字母

字符集：字符集就是一本大的字典，其中包括ASCII字符集、Unicode字符集、ISO-8859-1字符集、GB2312、GBK

字符编码：字符+字节（例如ABC123共有6个字符，占用几个字节?6/9/12/14/24/28）

计算机基本原理

计算机组成时半导体芯片，有大量的晶体管。究竟几个字节表示一个字母？

ASCII(American standard code for Information) 美国标准信息互换码，标准7位。扩展ASCII码，256种状态。一个字符只占一个字节。

中文字符集

GB2312中，前128个ASCII码的字符，128之后，两个字符连接一起表示一个汉字。1993年，GBK编码。GB18030-2000，增加少数民族的汉字。（中国ABC123，占用10个字节）

unicode字符集

ISO国际标准化组织（universal multiple-octec）

16位统一表示所有字符。

Unicode与GBK最大的区别

Unicode与GBK都是双字节编码，但unicode的编码中每个字符都是两个字节，GBK中前128个字节是单字节。

unicode(utf8/utf16/utf32)

unicode transform format

UTF16:任何字节都是两个字节保存，utf16的效率高，字符到字节相互转化简单。java采用UTF-16

UTF8：UTF8比UTF16解码复杂。UTF8是可变字节编码，文本是一个字节一个字节读取。一个字符占用一个字节、一个字符占用两个字节、一个字符占用三个字节。

一个字节代表一个字符。第一个字节为0

两个字节代表一个字符。第一个字节的前三位是100，第二个字节的前两位10，说明两个字节代表一个字符。

三个字节代表一个字符。第一个字节1110，第二个字节110，第三个字节10，说明三个字节代表一个字符。