几种常见的编码方式

为什么要编码

　　首先必须知道计算机是如何表示我们人类能够理解的符号的。这些符号也就是我们人类所使用的语言，由于人类语言太多，表示这些语言的符号太多，无法用计算机中一个基本的存储单元——字节（byte）来表示，因而必须要经过拆分或一些翻译工作，才能让计算机理解我们的语言。

我们可以把计算机能够理解的语言假定为英语，其他语言要能够在计算机中使用，必须的经过一次翻译，把它翻译成英语。这个翻译的过程就是编码。

所以编码的原因可以总结为以下几条。

• 在计算机中存储信息的最小单元是一个字节，即8个bit，所以能够表示的字符范围是 0~255个。

• 人类要表示的符号太多，无法用一个字节来完全表示。

　　要解决这个矛盾，必须要有一个新的数据结构char ，而从 char 到 byte 必须编码。

如何翻译

　　各种语言需要交流，经过翻译是必要的，那又如何来翻译呢？在计算机中提供了多种翻译方式，常见的有 ASCII、ISO-88591、GB23112、GBK、UTF-8、UTF-8、UTF-16等。它们都可以被看作字典，，它们规定了转换的规则，按照这个规则就可以让计算机正确地表示我们的字符。

在选择编码格式来存储汉字时，一般要考虑是存储空间还是编码的效率重要。

1. ASCII 码 
   ASCII 码总共有128个，用1个字节的低七位表示，0~31 是控制字符如换行、回车、删除等，32~126 是打印字符，可以通过键盘输入并且能够显示出来。
2. .ISO-8859-1 
   128个字符显然是不够用的，于是ISO组织在ASCII 码基础上又制定了一系列标准来拓展 ASCII 编码，它们是ISO-8859-1 至 ISO-8859-15，其中 ISO-8859-1 涵盖了大多数西欧语言字符，所以应用的最广泛。ISO-8859-1 仍然是单字节编码，它总共能表示 256 个字符。
3. GB2312 
   GB2312 的全称是 《信息技术 中文编码字符集》，它是双字节编码，总的编码范围是 A1~F7，其中A1 ~ A9 是符号区，总共包含682个字符； B0~F7 是汉字区，包含6763个汉字。
4. GBK 
   全称是《汉字内码扩展规范》，它的出现是为了拓展 GB2312 ，并加入更多的汉字。它的编码是和GB2312 兼容的，也就是说用GB2312 编码的汉字可以用GBK 来解码，并且不会有乱码。
5. UTF-16 
   说到UTF 必须提到 Unicode ，ISO 试图创建一个全新的超语言字典，世界上所有的语言都可以通过这个字典来相互翻译。UTF-16 具体定义了Unicode 在计算中的存取方法。UTF-16 用两个字节来表示 Unicode 的转化格式，采用定长的表示方法，即不论什么字符都可以用两个字节表示。
6. UTF-8 
   UTF-16 存在存储空间浪费。UTF-8 采用了一种变长技术，每个编码区域有不同的字码长度。不同类型的字符可以由1~6 个字节组成。如果是一个字节，最高位为0，则表示这是 1 个 ASCII 字符，可见，所有ASCII 编码已经是UTF-8了。

字符集进行统计和分类：

语言	字符集	正式名称
英语、西欧语	ASCII，ISO-8859-1	MBCS 多字节
简体中文	GB2312	MBCS 多字节
繁体中文	BIG5	MBCS 多字节
简繁中文	GBK	MBCS 多字节
中文、日文及朝鲜语	GB18030	MBCS 多字节
各国语言	UNICODE，UCS	DBCS 宽字节

 

 

 

 

 

转自：

文字：https://blog.csdn.net/ai_xao/article/details/79051534

表格：https://www.cnblogs.com/happyday56/p/4135845.html

各种编码详解：

https://www.cnblogs.com/happyday56/p/4135845.html

https://blog.csdn.net/LVXIANGAN/article/details/8151670