字符集和编码

字符集和编码区别

​​字符集（Character Set）​​ 是计算机中用于表示文本的​​字符集合​​。

​​字符集 vs. 编码（Encoding）​​

• ​​字符集​​ 定义“有哪些字符”，如 ASCII、GB2312、Unicode。
• ​​编码​​ 定义“字符如何存储为二进制”，如 UTF-8、GBK、Big5。

​​常见字符集示例​​

1. ​​ASCII（1963年）​​

• 最早的字符集，仅包含 128 个字符（英文字母、数字、基本符号）。
• 无法表示中文、日文等非拉丁文字。

2. ​​GB2312（1980年）​​

• 中国国家标准，收录 6763 个汉字，适用于简体中文。
• 采用 ​​2字节编码​​（兼容 ASCII）。

3. ​​GBK（1993年）​​

• GB2312 的扩展，支持 21886 个字符（包括繁体字、生僻字）。
• 仍然是 ​​2字节固定长度编码​​。

4. ​​Unicode（1991年至今）​​

• 国际统一字符集，目标涵盖全球所有文字（目前超过 14 万个字符）。
• ​​编码方式​​ 包括 UTF-8（变长，1-4字节）、UTF-16（2或4字节）、UTF-32（固定4字节）。

​​为什么需要不同的字符集？​​

• ​​早期计算机存储有限​​（ASCII 只用 7 位存储字符）。
• ​​不同国家/地区制定自己的标准​​（如中文用 GBK，日文用 Shift_JIS）。
• ​​Unicode 的出现解决了全球字符统一问题​​，但编码方式（如 UTF-8）影响存储和传输效率。