什么是字符编码

字符集

简单的说字符集就是一张表，一张存储了文字和二进制对应的表。
我们知道计算机存储信息都是以二进制来存储的，那么二进制又是用来表示我们所熟知的文字或者符号呢？这就需要一个表来标注好对应关系。在以前我们拥有很多的字符集，因为每个国家的字符都不太一样，都是各自为营制作字符集。后来有组织为了统一各个国家的字符，制作了Unicode 字符集，Unicode1.0版本在1991年10月发布。

我们来看一下GB2312简体中文编码表
这里列出一部分表：

code	+0	+1	+2	+3	+4	+5	+6	+7	+8	+9	+A	+B	+C	+D	+E	+F
A1A0			、	。	·	ˉ	ˇ	¨	〃	々	—	～	‖	…	‘	’
A1B0	“	”	〔	〕	〈	〉	《	》	「	」	『	』	〖	〗	【	】
A1C0	±	×	÷	∶	∧	∨	∑	∏	∪	∩	∈	∷	√	⊥	∥	∠

其中、 这个对应的编码是A1A2
上面给出的是中国的GB2312编码，但只适用于中文汉字。世界上有许多的语言，为了统一标准就有人做一个字符集来包含几乎所有的语言。这就是Unicode

字符编码

编码和字符集的不同在于，编码其实是一种算法。
那既然我们已经有了字符集了，为什么我们还需要字符编码呢？
理论上我们其实只需要在计算机中存储Unicode 这个字符集就够了。但实际情况是怎么样的呢？
举个例子，我们存储a 这个字母。Unicode字符集和UTF-8存储对比

Unicode	00000000 00000000 00000000 0110001
UTF-8	01100001

我们发现UTF-8占的空间要少的多。
实际情况是因为那个时候的计算机存储不像现在有这么大，为了考虑到存储空间的限制，我们需要一个算法来减少字符集的存储空间。现在我们一直使用的UTF-8 就是字符编码。

字符集和字符编码的关系

像我们上文所说的 Unicode 和 UTF-8 ，Unicode 是几乎涵盖了各个国家的文字和字符，UTF-8 则是目前用的最广的字符编码。UTF-8是为了减少Unicode的存储空间而设计的一种算法。

参考

字符编码
十分钟搞清字符集和字符编码
字符集和字符编码
字符集历史和乱码问题（一）
字符集历史和乱码问题（二）

本博客著作权归从这到那所有，转载请注明出处