字符编码小评

11年前
字节（Byte）
    字节是通过网络传输信息（或在硬盘或内存中存储信息）的单位。
    1个字节等于8位二进制 ： 1 Byte = 8 bit （比特）或这样理解：1字节（Byte）= 8位（bit）1千字节（KB,Kilobyte）=1024字节（2的10次方字节）（ 1KB = 1024 B ）


字符 
    人们使用的记号，抽象意义上的一个符号。 '1', '中', 'a', '$', '￥', ……
           字节 计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。0x01, 0x45, 0xFA, ……英文一个字母是一字节。中国字比较复杂，1字节=8位，8位从0000 0000到1111 1111，即2的8次方只能表示256个字符，2个字节是2*8=16位，从0000 0000 0000 0000 到 1111 1111 1111 1111可以表示65535个字符。


编码方式    
    Unicode 和 ANSI 是两种常见的编码方式。

    ANSI 编码方式
    在 ANSI 编码的定义中，存在不同的字符集（Charset）的概念。

    同样的字节序列，在不同的字符集下表示的字符不一样。 要正确解析一个ANSI字符串，还要选择正确的字符集，否则就可能导致所谓的乱码现象。

    不同语言版本的操作系统(如日文版Window7、韩文版Windows7等)，都有一个默认的字符集。在不指定字符集的情况下，系统会使用此字符集来解析 ANSI 字符串。也就是说，如果我们在简体中文版的Windows下打开了一个由日文操作系统保存的 ANSI 文本文件（仅包含 ANSI 字符串的文本文件），我们看到的将是乱码。

    ANSI 字符串 ：在一个字符串中，可以用一个字节也可以用2个字节。 在内存中，如果“字符”是以ANSI编码形式存在的，一个字符可能使用 一个字节或多个字节 来表示，那么我们 称这种字符串为 ANSI 字符串或者多字节字符串。如，"中文123" （占7字节）。


    Unicode 编码方式
    在 Unicode 编码的定义中不存在字符集的概念。

    字符串 在内存中，如果“字符”是以在Unicode中的序号存在的，那么我们称这种字符串为Unicode字符串或者 宽字节字符串 。 在Unicode中，每个字符都 占两个字节 。如，"中文123"（占10字节）。Unicode和ANSI的区别就相当于输入法内的“全角” 和 “半角”的区别。

    由于不同 ANSI 编码所规定的标准是不相同的（字符集不同），因此，对于一个给定的多字节字符串，我们必须知道它采用 的是哪一种字符集则，才能够知道它包含了哪些“字符”。而对于 Unicode 字符串来说，不管在什么环境下，它所代表的“字符”内容总是不变的。Unicode 有着统一的标准，它定义了世界上绝大多数的字符的编码，使得拉丁文、数字、简体中文、繁体中文、 日文都能一同一种编码方式保存。


字符集

    字符集英文：Charset。        

    每个字符集都有一个唯一的编号，称为代码页（Code Page）。简体中文（GB2312）的代码页为936，而系统默认字符集的代码页为0，它表示根据系统的语言设置来选择一个合适的字符集。