字符編碼

開發過程當中，有時會遇到亂碼的狀況，而後不知道爲何，對編碼沒有了解，遇到問題的時候也就一臉懵逼了，這篇文章對編碼作了一個彙總。

一開始

寫代碼的時候，編碼出問題的時候，就知道把編碼設置爲UTF-8，爲啥呢？不知道。瞭解完編碼以後，纔不會只熟悉編碼的拼寫。

字符

說編碼以前，咱們要先來了解一下字符

什麼是字符？

字符：字符很簡單，其實就是一個表示，好比：中文字符、英文字符...

而後，什麼是字符集

字符集：字面上理解，就是具體共同特徵的字符的集合

編碼

說完字符以後，咱們來看一下什麼是編碼

編碼 = 佔用存儲 + 編碼表

首先，看一下什麼佔用存儲？即規定一個字符用多少個字節來顯示，爲何呢？由於計算機只能處理0|1數據，因此咱們要規定佔用存儲。

佔用存儲：規定一個字符用多少個字節來顯示

而後，來看一下什麼是編碼表，編碼表這個就容易了，就是規定哪一個字符對應哪一個編碼。

編碼表：規定字符集種每一個字符的對應關係

編碼說完了，咱們來看一下編碼格式。

ASCII（美國標準信息交換代碼）

提及編碼，第一個確定要說到ASCII，這個應該是咱們接觸的第一個編碼格式。

• 一個字節（7/8位）
• 定義128個字符（顯示字符95個，非顯示字符33個）

因爲ASCII只定義了英文字符，中文等其餘複雜的字符不能表現，因此有了ASCII的擴展，如GB23十二、GBK。

GB2312（信息交換用漢字編碼字符集）

GB2312，對ASCII擴展以後，支持中文。

• 雙字節
• 區位碼錶示（94區&94位）
• 收錄漢字6773個

GBK（漢字內碼擴展規範）

因爲GB2312只有簡體中文，不能有繁體或者日文之類的，因此又擴展了GBK。

• GB2312的擴展
• 雙字節
• 收錄漢字21003個（支持中日韓漢字）

GB18030（漢字編碼國家標準）

漢字的總數其實很是多，像少數名字的漢字並無在GBK中，因此後面又擴展了GB18030。

• 單/雙/四字節 同時支持
• 補充多名族語言（藏、蒙古、傣、彝、朝鮮、維吾爾文等）
• GB18030-2000：收錄漢字27533個
• GB18030-2005：收錄漢字70244個

Unicode-字符集

ASCII的擴展，只能知足一部分的需求，當國際化出現的時候，發現兼容不了，因此就出現了Unicode字符集，又稱統一碼、萬國碼、單一碼。是對全世界語言的字符集合。

• 用U+ 緊接一組16進制的數字表示（如：U+4AE0）
• 基礎表示都在0號平面，另外擴展16個平面，在16進制前面多加一個字節表示（如U+3FFFF）

Unicode的編碼有三種，區別在於用多少個字節表示

• UTF-8：可變長
• UTF-16：大部分2字節
• UTF-32：4字節

UTF-8

UTF-8是Unicode編碼中最經常使用的一種，這裏咱們主要介紹UTF-8

下面咱們看下怎麼將Unicode編碼成UTF-8

咱們以 「漢」 爲例

1. 拿到「漢」的Unicode表示 U+6C49
2. 而後查看下圖編碼模板，得知6C49位於000800-00FFFF中間，因此咱們獲得模板 1110xxxx 10xxxxxx 10xxxxxx，設爲 a
3. 將 6C49 轉化爲二進制，獲得 0110 1100 0100 1001 ，設爲 b
4. 將 b 填充到 a 中的x位置，獲得 11100110 10110001 10001001 ，設爲 c
5. 最後，將 c 轉成16進制，獲得 E6 B1 89 ，這個就是「漢」的UTF-8編碼

寫在最後

知道了什麼格式的編碼是什麼格式以後，後面出現亂碼的時候就能夠比較容易的查到緣由。咱們要作的處理比較簡單，就是先後臺使用同一編碼。就像語言交流，同一種語言才能共通。