一預備知識?

1，字符：字符是抽象的最小文本單位。?它沒有固定的形狀（可能是一個字形），而且沒有值。?“A”是一個字符，“”（德國、法國和許多其他歐洲國家通用貨幣的標志）也是一個字符。?“中”“國”這是兩個漢字字符。?字符僅僅代表一個符號，沒有任何實際值的意義。?

2，字符集：字符集是字符的集合。?例如，漢字字符是中國人最先發明的字符，在中文、日文、韓文和越南文的書寫中使用。?這也說明了字符和字符集之間的關系，字符組成字符集（iso8859-1，GB2312/GBK，unicode）。?

3，代碼點：字符集中的每個字符都被分配到一個“代碼點”。?每個代碼點都有一個特定的唯一數值，稱為標值。?該標量值通常用十六進制表示。?

4，代碼單元： 在每種編碼形式中，代碼點被映射到一個或多個代碼單元。?“代碼單元”是各個編碼方式中的單個單元。?代碼單元的大小等效于特定編碼方式的位數：?
UTF-8 ：UTF-8 中的代碼單元由8 位組成；在UTF-8 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。?代碼點將被映射到一個、兩個、三個或四個代碼單元；?
UTF-16 ：UTF-16 中的代碼單元由16 位組成；UTF-16 的代碼單元大小是8 位代碼單元的兩倍。?所以，標量值小于U+10000 的代碼點被編碼到單個代碼單元中；?
UTF-32：UTF-32 中的代碼單元由32 位組成； UTF-32 中使用的32 位代碼單元足夠大，每個代碼點都可編碼為單個代碼單元；?
GB18030：GB18030 中的代碼單元由8 位組成；在GB18030 中，因為代碼單元較小的緣故，每個代碼點常常被映射到多個代碼單元。?代碼點將被映射到一個、兩個或四個代碼單元。?

5，舉例：?

“中國北京香蕉是個大笨蛋”這是我定義的aka字符集；各字符對應代碼點為：?
北00000001?
京00000010?
香10000001?
蕉10000010?
是10000100?
個10001000?
大10010000?
笨10100000?
蛋11000000?
中00000100?
國00001000?
下面是我定義的zixia 編碼方案（8位），可以看到它的編碼中表示了aka字符集的所有字符對應的代碼單元；?
北10000001?
京10000010?
香00000001?
蕉00000010?
是00000100?
個00001000?
大00010000?
笨00100000?
蛋01000000?
中10000100?
國10001000?
所謂文本文件就是我們按一定編碼方式將二進制數據表示為對應的文本如00000001000000100000010000001000000100000010000001000000這樣的文件。?我用一個支持zixia編碼和aka字符集的記事本打開，它就按照編碼方案顯示為 “香蕉是個大笨蛋”?
如果我把這些字符按照GBK另存一個文件，那么則肯定不是這個，而是?
1100111111100011 1011110110110110 1100101011000111 1011100011110110 1011010011110011 1011000110111111 1011010110110000 110100001010?

二，字符集?

1， 常用字符集分類?
ASCII及其擴展字符集?
作用：表語英語及西歐語言。?
位數：ASCII是用7位表示的，能表示128個字符；其擴展使用8位表示，表示256個字符。?
范圍：ASCII從00到7F，擴展從00到FF。?
ISO-8859-1字符集?
作用：擴展ASCII，表示西歐、希臘語等。?
位數：8位，?
范圍：從00到FF，兼容ASCII字符集。?
GB2312字符集?
作用：國家簡體中文字符集，兼容ASCII。?
位數：使用2個字節表示，能表示7445個符號，包括6763個漢字，幾乎覆蓋所有高頻率漢字。?
范圍：高字節從A1到F7, 低字節從A1到FE。?將高字節和低字節分別加上0XA0即可得到編碼。?
BIG5字符集?
作用：統一繁體字編碼。?
位數：使用2個字節表示，表示13053個漢字。?
范圍：高字節從A1到F9，低字節從40到7E，A1到FE。?
GBK字符集?
作用：它是GB2312的擴展，加入對繁體字的支持，兼容GB2312。?
位數：使用2個字節表示，可表示21886個字符。?
范圍：高字節從81到FE，低字節從40到FE。?
GB18030字符集?
作用：它解決了中文、日文、朝鮮語等的編碼，兼容GBK。?
位數：它采用變字節表示(1 ASCII，2，4字節)。?可表示27484個文字。?
范圍：1字節從00到7F; 2字節高字節從81到FE，低字節從40到7E和80到FE；4字節第一三字節從81到FE，第二四字節從30到39。?
UCS字符集?
作用：國際標準ISO 10646 定義了通用字符集(Universal Character Set)。?它是與UNICODE同類的組織，UCS-2和UNICODE兼容。?
位數：它有UCS-2和UCS-4兩種格式，分別是2字節和4字節。?
范圍：目前，UCS-4只是在UCS-2前面加了0×0000。?
UNICODE字符集?
作用：為世界650種語言進行統一編碼，兼容ISO-8859-1。?
位數：UNICODE字符集有多個編碼方式，分別是UTF-8，UTF-16和UTF-32。?

2 ，按所表示的文字分類?
語言 字符集 正式名稱?
英語、西歐語 ASCII，ISO-8859-1 MBCS 多字節?
簡體中文 GB2312 MBCS 多字節?
繁體中文 BIG5 MBCS 多字節?
簡繁中文 GBK MBCS 多字節?
中文、日文及朝鮮語 GB18030 MBCS 多字節?
各國語言 UNICODE，UCS DBCS 寬字節?

三，編碼?

UTF-8：采用變長字節(1 ASCII, 2 希臘字母, 3 漢字, 4 平面符號) 表示，網絡傳輸, 即使錯了一個字節，不影響其他字節，而雙字節只要一個錯了，其他也錯了，具體如下：?
如果只有一個字節則其最高二進制位為0；如果是多字節，其第一個字節從最高位開始，連續的二進制位值為1的個數決定了其編碼的字節數，其余各字節均以10開頭。?UTF-8最多可用到6個字節。?

UTF- 16：采用2字節，Unicode中不同部分的字符都同樣基于現有的標準。?這是為了便于轉換。?從0×0000到0×007F是ASCII字符，從0×0080到0×00FF是ISO-8859-1對ASCII的擴展。?希臘字母表使用從0×0370到0×03FF 的代碼，斯拉夫語使用從0×0400到0×04FF的代碼，美國使用從0×0530到0×058F的代碼，希伯來語使用從0×0590到0×05FF的代碼。?中國、日本和韓國的象形文字（總稱為CJK）占用了從0×3000到0×9FFF的代碼；由于0×00在c語言及操作系統文件名等中有特殊意義，故很多情況下需要UTF-8編碼保存文本，去掉這個0×00。?舉例如下：?
UTF-16: 0×0080 = 0000 0000 1000 0000?
UTF-8: 0xC280 = 1100 0010 1000 0000?
UTF-32：采用4字節。?
優缺點?
UTF-8、UTF-16和UTF-32都可以表示有效編碼空間(U+000000-U+10FFFF) 內的所有Unicode字符。?
使用UTF-8編碼時ASCII字符只占1個字節，存儲效率比較高，適用于拉丁字符較多的場合以節省空間。?
對于大多數非拉丁字符（如中文和日文）來說，UTF-16所需存儲空間最小，每個字符只占2個字節。?
Windows NT內核是Unicode（UTF-16），采用UTF-16編碼在調用系統API時無需轉換，處理速度也比較快。?
采用UTF-16和UTF-32會有Big Endian和Little Endian之分，而UTF-8則沒有字節順序問題，所以UTF-8適合傳輸和通信。?
UTF-32采用4字節編碼，一方面處理速度比較快，但另一方面也浪費了大量空間，影響傳輸速度，因而很少使用。?

四，如何判斷字符集?

1，字節序?
首先說一下字節序對編碼的影響，字節序分為Big Endian字節序和Little Endian字節序。?不同的處理器可能不一樣。?所以，傳輸時需要告訴處理器當時的編碼字節序。?對于前者而言，高位字節存在低地址，低字節存于高地址；后者相反。?例如，0X03AB,?
Big Endian字節序?
0000: 0 3?
0001: AB?
Little Endian字節序是?
0000: AB?
0001: 0 3?

2，編碼識別?
UNICODE，根據前幾個字節可以判斷UNICODE字符集的各種編碼，叫做Byte Order Mask方法BOM：?
UTF-8: EFBBBF (符合UTF-8格式，請看上面。但沒有含義在UCS即UNICODE中)?
UTF-16 Big Endian：FEFF (沒有含義在UCS-2中)?
UTF-16 Little Endian：FFFE (沒有含義在UCS-2中)?
UTF-32 Big Endian：0000FEFF (沒有含義在UCS-4中)?
UTF-32 Little Endian：FFFE0000 (沒有含義在UCS-4中)?

GB2312：高字節和低字節的第1位都是1。?

BIG5，GBK&GB18030：高字節的第1位為1。?操作系統有默認的編碼，常為GBK，可以下載別的并升級。?通過判斷高字節的第1位從而知道是ASCII或者漢字編碼。

總結

以上是生活随笔為你收集整理的UTF-8、GB2312、GB18030、GBK和BIG5等字符集编码范围的具体说明的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。