点击上方
蓝色
文字 关注我们吧！
在《[干货]重新认识字符集Part1》中简单的说了一下字符集是怎么一回事以及乱码是怎样产生的。在我们接下来要认识Oracle，MySQL等字符集的之前，还需要有一个过渡阶段，关于字符编码的历史，这部分内容网上有很多详细资料，想详细学习的童鞋，可以做专项学习
>>>>>>>>>>>>>>>
进字符编码家族
计算机是美国人发明的，所以对他们来说，满足日常使用，除了26个英文字母大小写以外，再就是标点符号，以及控制符号了。总共定义了128个字符，使用7位编码（他们只用128个字符就搞定了计算机世界，恐怖吧！），这就是ASCII码。而后随着一些欧洲国家等使用，又在7位编码的基础上加一位，成为8位编码，总共收录256个字符，称其为Latin1，比较常用。
随着计算机的普及，并传递到了各个国家，对于非英语国家来说，可是遇到了大麻烦，比如我们具有5000年悠久历史文化的中国，一直用的是汉字，总不能因为使用计算机，让我们去改变母语吧，太不现实。所以各个国家都开始在ASCII码的基础上扩充了自己的文字，俗称ANSI标准。
ANSI标准，其实就是区域性语言，各个国家都自己玩自己的，不通用。为了解决这个难题，又有一个组织冒出来，搞了一套统一的编码方案，这就是UNICODE，还有个霸气测漏的名字“万国码”。
虽然“万国码”很牛叉，却不灵活，本来一个英文字母需要单字节就能搞定的，可它非得要2字节，这对我们这些节俭主义的人来说完全不能接受，因此慢慢的衍生出来一些中间字符集格式，如我们常见的UTF8，就是其最受欢迎的一员。
不得不说，在字符编码的世界，人们追求完美的一面被体现的淋漓尽致。而有人又发现了一个小问题，就是在网络传输的一些不可见字符，不同的设备处理的方式不同，这就可能在改变了本来的意思。因此一种叫BASE64的编码应运而生。
文字描述不够直观，下面用一张图进行总结。
在粗略的述说了字符编码家族的情况后，我们沿着ASCII-ANSI-UNICODE这条主线再细致说一下，以便更好的了解
ASCII，也就是American Standard Code for Information Interchange，即美国标准信息交换代码。它是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的【单字节】编码系统。ASCII码是目前计算机中用得最广泛的字符编码。
1字节为8bit，即8位。用7位表示一个字符，组合起来共2^7=128个，最高位（左数第一位）统一定为0。我们一般称7位编码的ASCII码为标准ASCII码。
128个字符，对很多国家来说是完全不够的，因此有些国家对7位进行了扩展，将最高位进行了使用，理论上是可以达到2^8=256个字符的。与ASCII一样，在经历了多年不断的验证与使用，一个叫做Latin1（ISO-8859-1）成为时下最流行的8位单字节编码，其向下兼容标准ASCII，我们在这里称它为增强版ASCII。
ASCII简单记忆规律：
十进制值48到57代表数字0到9。
十进制值65到90代表26个大写字母A到Z。
十进制值97到122代表26个小写字母a到z。
ANSI的说法，应该源于微软的windows操作系统，并没有一个组织对其负责，我们广泛能够看到的就是在windows计算机上。它的出现，就是解决地域化文字的编码，我们以中文为例。
最早出现的为GB2312，两字节表示，高字节称为区，低字节称为位，合起来称作区位码，共收录6763个汉字，现在也叫做常用字。可覆盖中国大陆99.75%使用率。
当我们逐渐发现一些生僻字在人名、文言文中出现的频率也比较高，可在GB2312中却不存在，为此，又创建了GBK编码，在GB2312基础上增加了14240个汉字，并且将台湾等地区使用的BIG5也容纳进来。
中国的汉字多达7万多个，GBK编码也无法能够满足所有要求，因此我们国家祭出了杀手锏，GB18030编码。它采用4字节编码，总共收录了7万多汉字，涵盖少数名族文字。（相信有朋友会问，这么大而全的编码，为什么会很少听到呢？我觉得两方面原因，一个是国家推行力度不强；另一个是国外很多软件不支持，到GBK就为止了。）
UNICODE网上众说纷纭，尤其是和UTF8扯在一起时，更是云里雾里。下面我将思路简单捋一下。
UNICODE是作为字符编码大一统而来，若算下来，可以容纳100万以上个字符。其存在两种编码标准：UCS-4，采用31位编码形式，编码固定占用4字节，可容纳20亿个编码空间；UCS-2，采用16位编码形式，编码固定占用2字节，可容纳65536个编码空间。
之前说过，这样的编码因为固定占用字节，因此存在大量空间浪费的问题。UTF8就是解决字符编解码浪费问题而存在的一种最受欢迎的字符集。
那么究竟UNICODE，UTF8是什么关系呢？
我们打个比方，UNICODE可以理解为字典，UTF8则为在字典基础上再加工的更符合人类使用的字典，所有编码规则都依赖原字典。这样说来，UTF8其实就是UNICODE的改造版，它存储字符更灵活，长度可变。
