本文带你了解代码集

编码集

1. ASCII编码：

127个字母和8个数据位足以存储字母、数字和符号，最大支持0x7F。

2. GB2312编码

每个汉字占2个字节（高低位），16个数据。 GB2312是ASCII的中文扩展，包含7000多个汉字。它是中国计算机发展起来后发展起来的一种编码。它检测高位和低位。如果同时大于0x7F，则认为是GB2312，否则认为是ASCII码。

3. GBK(1995)和GB18030(2005/2000)

每个汉字占2个字节。由于汉字较多，GB2312无法满足需求。 GBK包含了GB2312的全部内容，

同时新增近2万个汉字（包括繁体字）和符号。只要求高位大于0x7F，低位小于0x7F即可，算是中文。

> 国家标准GB18030-2000《信息交换用中文编码字符集基本集增补》是我国对GB2312-1980的后续和

继GB13000-1993之后最重要的汉字编码标准，包括中国各种少数民族文字在内的7万多个汉字。

4.Unicode编码

> 定长存储，将所有语言统一成一组编码集，一般用2个字节，有的用4个字节。藏品非常齐全。

分为17个平面，基本平面使用2个字节，常用汉字也包含在基本平面中，其他16个平面使用4个字节。

不兼容ASCII码，即存储时在ASCII码前加0，导致存储数据变大。

５. utf-8---变长存储

> 国际标准组织（ISO）规定英文字符使用1字节，使用原始的ASCII码。

> 用1~4个字节表示一个符号，中文存储用3个字节（ascii码中的内容用1个字节存储\欧洲字符用2个字节存储\东亚字符用3个字节存储4个字节用于保存\特殊符号）

> Unicode是内存编码表示方案（规范），utf-8是如何保存和传输Unicode方案（实现）

> 优点：虽然内存中汇总的数据是Unicode，但是当数据保存到磁盘或用于网络传输时，使用utf-8会节省更多的流量和硬盘空间。

如何判断几个字节表示一个字符：

每个字节加上标识位，其中高位标识位为4位，低位标识位为2位。判断高位字节开头有多少个1，就可以确定有多少个字节代表一个字符。

６. utf-8和Unicode对应关系

utf-8去掉识别位，变成unicode。