---

前言

今天给大家介绍计算机的字符与编码集，分为两部分：字符编码集的历史、中文编码集。

---

一、字符编码集的历史

这部分包含三个板块内容：ASCII码、Extended ASCII码、字符编码集的国际化。

1.ASCII码

对于ASCII码，相信接触过编程的人应该都不陌生，它是我们平时常用的一种编码方式，如大小写字母、数字、符号等等都是属于ASCII码里面的。ASCII码特点如下：

• 使用7个bits就可以完全表示ASCII码
• 包含95个可打印字符
• 33个不可打印字符（包括控制字符）

我们可以做个简单运算：33 + 95 = 128 = 2^7，接下来我们通过下表来完整了解ASCII码的所有字符：

从表中我们可以看出，前面的32个控制字符加上表中最后一个共是33个控制字符，其他的都是我们常见的可打印字符。二战时期，计算机最早诞生于美、英国家，所以在计算机发展的早期，ASCII码就已经能满足相关国家和科学家的使用。

但随着计算机发展及普及，ASCII码逐渐无法满足需求。主要表现在：ASCII码里面，很多应用或者国家中的符号都无法表示。如数学符号 “÷ ≠ ≥ ≈ π” 等等一些字符ASCII码都无法表示。

这时候就想到了第一次对ASCII码进行扩充，7bits => 8bits，使用8个比特位代替原来的7比特，那么原来的 127 个字符就可以扩充为 256 个字符了，也就是可拓展的ASCII码：Extended ASCII码。

2.Extended ASCII码

如下表所示，为扩展的那部分ASCII码：

从中可以看到，包含了常见数学运算符、带音标的欧洲字符、其他常用符、表格符等。使用了这个可拓展的ASCII码极大的补充了原来ASCII码所不能展示的内容，使得计算机所能表达的内容越来越丰富。

虽然在这里面，可拓展的ASCII码补充了原有ASCII码所不能表达的内容。但是随着计算机的进一步发展，越来越多的国家加入了使用计算机的行列当中，那么这个时候，对于计算机的字符与编码集的要求也越来越高，我们就需要了解字符编码集的国际化了。

3.字符编码集的国际化

对于字符编码集的国际化，有着如下的背景：

• 欧洲、中亚、东亚、拉丁美洲国家的语言多样性
• 语言体系不一样，不以有限字符组合的语言（如拿中文和英文做比较，对于英文来说所有单词都是由26个字母组成。但是中文就不一样了，除了偏旁部首外，每个字都是独立的，可以再组成不同词汇，也就是不以有限字符为组合）
• 中国、韩国、日本等的语言最为复杂

在这种情况下，字符编码集的国际化就尤为重要了。在这里面，我们主要是了解中国的字符编码集，接下来就来到第二个大板块。

二、中文编码集

对于中文编码集，首先要介绍的是 GB2312，该编码集是在1980年发明出来，也是我国最早发明的编码集。它的全称是《信息交换用汉字编码字符集-------基本集》，简称 GB2312(国标2312)。这个编码集一共收录了 7445 个字符，其中包括 6763 个汉字和 682 个其它符号。

虽然这个编码集有比较完备的字符表示，但是也有一定的问题：不符合国际标准。因此，在1995年就推出了更完善的编码集：GBK，全称是《汉字内码扩展规范》。该编码集向下兼容GB2312，向上支持国际ISO标准。而且收录了 21003 个汉字，支持全部中日韩汉字。

上面介绍的 GB2313 和 GBK 都是比较完备的编码集，但是不管怎么完备，都只是本地化的编码。也就是说，这个编码在中国使用是没有问题的，但如果跨国使用就有问题。什么意思呢？举个例子：比如我们开发了一个中文网站，这时候外国友人访问了这个网站，如果他们本地没有安装 GBK 或者 GB2312 编码的话，这个网页在他们电脑里面去显示的话就是乱码的。

所以这个时候，我们不仅要有本地化的编码，还要有一个全球的规范。这个规范就是：Unicode 字符集，Unicode又称为：统一码、万国码、单一码，也就是说 Unicode 可以表达全世界所有的语言。它定义了世界通用的符号集，使用 UTF-* 实现了编码（如UTF-8、UTF-16）。其中UTF-8是最为通用的全球编码方式，它以字节为单位对Unicode进行编码。