图解字符编码

啥叫字符集

计算机只认识0和1

image

那字符串“abc”咋显示呢？
有个类似于字典的东西，告诉计算机在此种情况（在此编码格式）下，某些数字该显示什么。

image

这种字典，就是字符集

image

现有的字符集

目前主要有以下几种字符集：

• ASCII字符集
• ISO 8859-1字符集
• GB2312字符集
• GBK字符集
• Unicode编码

ASCII字符集

共收录128个字符，都是些最最基础的字符。详情请看百度百科

大小：占一个字节

ISO 8859-1字符集(别名latin1)

ASCII字符集的扩充。共收录256个字符。ASCII字符集基础上扩充了128个西欧常用字符(包括德法两国的字母)

大小：占一个字节

GB2312字符集

划重点：made in china。
百度百科~曰：”共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；同时，GB 2312收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。“详情请看百度百科

兼容ASCII字符集。

大小：如果该字符在ASCII字符集中，则采用1字节编码。否则采用2字节编码。

GBK字符集

划重点：made in china。
继GB2312字符集之后中国又出的一套标准。这套更牛逼：不仅完全兼容GB2312字符集。还扩充了很多：
”共23940个码位，共收录了21003个汉字...全部中日韩汉字...“ 总之一个字：牛逼！

大小：如果该字符在ASCII字符集中，则采用1字节编码。否则采用2字节编码。

Unicode编码。

牛逼的玩意儿来了。先看看它的中文译名：统一码、万国码、单一码。
收录地球上的所有字符，现在还在不断扩充。
但是，需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

image

其中，Unicode编码规定的符号代码必须以”U+”做前缀。

编号怎么对应到二进制表示呢？有多种方案：主要有 UTF-8，UTF-16，UTF-32。

• UTF-32字符集。将unicode编码的码号直接转成对应的二进制数。大小：4个字节。
• UTF-16字符集。使用变长字节表示。大小：对于编号在 U+0000 到 U+FFFF 的字符（常用字符集），直接用两个字节表示，其余的用4个字节
• UTF-8字符集。使用变长字节表示。兼容ASCII字符集。大小:1~4个字节

字符集之间的关系

以上都是废话，记住下图就好了

image

参考文献:

• 掘金小册《MySQL 是怎样运行的：从根儿上理解 MySQL》
• https://blog.csdn.net/zhusongziye/article/details/84261211
• https://www.cnblogs.com/kingstarspe/p/ASCII.html

更多精彩内容，请关注我的微信公众号 互联网技术窝 或者加微信共同探讨交流：

image