一直被字符的編碼搞得頭暈腦脹，經常出現(xiàn)亂碼卻又無可奈何，最近看到兩篇講字符編碼的文章，這才有點頭緒，于是決定把它寫出來。

位與字節(jié)

計算機是以二進制位進行存儲的，8位構成一字節(jié)，那么就會引來一個問題，就是如何將現(xiàn)實生活中真正的字符（如'a'、'b'、'c'等）轉為二進制位放到計算機中進行存儲。因此字符編碼也就應運而生了，即定義一些規(guī)范，將真實字符與二進制位聯(lián)系起來。又因為計算機的內存是以字節(jié)為單位的，所以也就是將真實字符與字節(jié)聯(lián)系起來。

字符集發(fā)展

最開始使用的是ASCII碼字符集，用一個字節(jié)來表示就足夠了（其實只用了7為二進制數(shù)），共128個字符，95的可打印字符（如'a'、'b'等），33個控制字符（如'\n'、'\t'等），ASCII碼字符集基本滿足了美國人民的需要。但是對于歐洲人民來說，這個字符集就不夠用了，因為他們經常會用到一些擴展的拉丁字符（如'?'等），怎么辦呢？

最簡單的辦法就是將一個字節(jié)的8位全部用上，于是又了EASCII字符集，共256個字符，這滿足了西歐人民的需要，但是對于北歐和東歐的人民來講，仍然不夠用，于是ISO 8859字符集出現(xiàn)了，它共由15個字符集組成，如ISO 8859-1為西歐字符集，ISO 8859-4為北歐字符集等。如此一來，歐洲人民的字符問題就解決了。

終于到我們大天朝了，中文字符數(shù)量太多，還分為簡體和繁體兩種。于是不得不采用兩個字節(jié)進行存儲，于是出現(xiàn)了以下幾種字符集：

Unicode

上面說了每個區(qū)域有各自的字符集標準，那么就無法再同一個文檔中同時顯示所有的字符，于是有人開始琢磨能不能把規(guī)定一個全球性的字符集標準，能夠將世界上的所有字符都包括進去，因此有了Unicode字符集，它規(guī)定使用4個字節(jié)進行存儲，包括了世界上所有的字符，并且可以擴展。但是用四個字節(jié)存儲ASCII碼浪費了太多存儲空間，因此剛開始的時候Unicode難以得到推廣，所以必須采用有效的編碼方案。

可以這樣說，上面講的所有字符集都是把字符集（不包括Unicode）與編碼方案緊密結合起來的，也就是每個字符都有確定的字節(jié)流（二進制位），因此GBK即可稱為字符集，也可稱為編碼方案。但是可以說Unicode只是單純的字符集，里面只有字符及其字符所對應的字符碼。至于編碼方案，有UTF-8,UTF-16，GB18030等。

UTF-8

UTF-8是目前使用最多的編碼方案，其實更準確地說是Unicode的編碼方案，主要有兩條規(guī)則:

1. 對于單字節(jié)字符，字節(jié)的首位二進制碼為0，其余為Unicode碼
2. 對于n（2-4）字節(jié)字符，首字節(jié)的前n位二進制碼為1，n+1位二進制碼為0，后面字節(jié)的兩位二進制碼均為10，其余為Unicode碼

具體如下表：

如此一來，問題就得到解決了，UTF-8也得到了迅速發(fā)展。

注意事項

1. ANSI：為Windows下默認的編碼方案，對英文使用ASCII碼，對中文使用GB2313編碼方案
2. BOM：微軟用它來標識采用UTF-8編碼方案的文件，并不是通用標準
3. 亂碼：亂碼的根本原因是使用錯誤的編碼方案去解碼字節(jié)流，因此當出現(xiàn)亂碼的時候，請去查看文件的編碼方案是什么，這樣才能根本解決亂碼

參考

1. 關于字符編碼，你所需要知道的
2. 字符編碼常識及問題解析