Question

常见的3种字符编码方式

Answer 1

  ASCII字符集是美国信息交换标准委员会（American Standards Committee forInformation Interchange）的缩写，在20世纪80年代由美国英语通信所设计。每个ASCII码由7位构成，整个ASCII字符集由128个字符组成，包括大小写字母、数字0～9、标点符号、非打印字符（换行符、制表符等4个）以及控制字符（退格、响铃等）。

  由于ASCII字符针对英语设计，当处理汉字等其他字符时，这种编码就不适用了。为解决这个问题，不同国家制订了自己的编码标准。
  我国一般使用 国标码 ，常用的有GB 2312和GB 18030—2000编码，其中，GB 18030编码汉字更多，是我国计算机系统必须遵循的基础性编码标准之一。在GB 2312编码中，汉字都采用双字节编码。为了与系统中基本的ASCII字符集区分开，所有汉字编码的每个字节的第一位都是1。例如，“啊”字的编码为0xB0A1。GB 18030是对GB 2312的扩展，其编码长度由2个字节变为1～4个字节。

  由于每个国家都有自己的编码方式，要想打开一个文本文件，就必须知道其编码方式，否则就会出现乱码。为了让国际信息交流更加方便，国际组织制定了Unicode字符集。它为各种语言中的每一个字符规定了统一且唯一的字符，并且只需要两个字节，便可以表示地球上绝大部分地区的文字。C#的默认字符都是Unicode码，一个英文字母和一个汉字一样，都占两个字节。

  Unicode码虽然能够表示大部分国家的文字，但是其占有空间比ASCII码大一倍，这对于能用ASCII码表示的字符显得有些浪费。因此，又出现了一些中间格式的字符集，它们被称为 通用转换格式，即UTF （Universal TransformationFormat）。

  目前比较流行的是UTF-8、UTF-16、UTF-32。