Hi，大家好，我是编程小6，很荣幸遇见你，我把这些年在开发过程中遇到的问题或想法写出来，今天说一说字符集和编码「终于解决」,希望能够帮助你!!!。

众所周知电脑内部采用二进制编码，因为它易于用电子电路实现。所有字符（包括字母、数字、符号、控制码等）在电脑内部都是用二进制表示的，字符集（Character Set）的二进制编码被称为字符编码（Character Encoding），有时人们也会混用这两个术语。

1963 年发布的 American Standard Code for Information Interchange（ASCII）是最早出现的字符编码，它用 7 位（bit）表示了 27= 128个字符，

美国人发明了电脑，英语被优先考虑是很自然的事情。随着电脑技术的传播，人们呼吁把字符编码扩充到 8 位也就是一个字节（byte），于是国际标准化组织（International Organization for Standardization，ISO）推出了 ISO 8859。28= 256个字符显然也不能满足需要，所以 8859 被分为十几个部分，从 8859-1（西欧语言）、8859-2（中欧语言），直到8859-16（东南欧语言），覆盖了大部分使用拉丁字母的语言文字。只能勉强覆盖英文字符。

在 ISO 标准完全定型之前，IBM 就有一系列自己的字符编码，他们称之为代码页（Code Page），其中著名的有 1981 年就被用于 IBM PC 的437（扩展 ASCII）、850（西欧语言）、852（东欧语言）。IBM 代码页通常被用于控制台（Console）环境，也就是 MS-DOS 或 Unix Shell 那样的命令行环境。

微软将 IBM 代码页称为 OEM 代码页，自己定义的称为 ANSI 代码页，后者中著名的有1252（西欧语言）、1250（东欧语言）、936（GBK简体中文）、950（Big5 繁体中文）、932（SJIS 日文）、949（EUC-KR韩文）等。

1981 年，中国大陆推出了第一个自己的字符集标准 GB2312，它是一个 94 ∗ 94 的表，包括 7445 个字符（含 6763 个汉字）。GB2312 通常采用双字节的EUC-CN编码，所以后者也常常被称为 GB2312 编码；其实 GB2312还有另一种编码方式 HZ，只是不常用。GB2312 不包含朱镕基的“镕”字，政府、新闻、出版、印刷等行业和部门在使用中感到十分不便，于是它在1993 年被扩展为 GBK，后者包括 21886 个字符（含 21003 个汉字），没有形成正式标准。2000 年发布的 GB18030 包含 70244 个字符（含 27533 个汉字），采用四字节编码。GB18030 之前还出现过一个 GB13000，没有形成气候。

1990 年ISO 推出了通用字符集（Universal Character Set，UCS），即ISO 10646，意图一统江湖。它有两种编码：双字节的 UCS-2 和四字节的UCS-4。

ISO 之外还有个希望一统江湖的组织：统一码联盟（The UnicodeConsortium），它于 1991 年推出了 Unicode 1.0。后来两家组织意识到没必要做重复工作，于是开始合并双方的成果，携手奔小康。从 Unicode 2.0开始，Unicode 采用了与 ISO 10646-1 相同的编码。

Unicode 主要有三种编码：UTF-8、UTF-16、UTF-32。UTF-8 使用一至四个 8 位编码。互联网工程任务组（Internet Engineering Task Force，IETF）要求所有网络协议都支持 UTF-8，互联网电子邮件联盟（Internet Mail Consortium，IMC）也建议所有电子邮件软件都支持 UTF-8，所以它已成为互联网上的事实标准。UTF-16 用一或两个 16 位编码，基本上是UCS-2 的超集，和 ASCII 不兼容。UTF-32 用一个 32 位编码，它是 UCS-4的一个子集。