5.2字符集

ASCII及其擴充套件字符集

作用：表語英語及西歐語言。

位數：ASCII是用7位表示的，能表示128個字元；其擴充套件使用8位表示，表示256個字元。

範圍：ASCII從00到7F，擴充套件從00到FF。

ISO-8859-1字符集

作用：擴充套件ASCII，表示西歐、希臘語等。

位數：8位，

範圍：從00到FF，相容ASCII字符集。

GB2312字符集
作用：國家簡體中文字符集，相容ASCII。
位數：使用2個位元組表示，能表示7445個符號，包括6763個漢字，幾乎覆蓋所有高頻率漢字。
範圍：高位元組從A1到F7, 低位元組從A1到FE。將高位元組和低位元組分別加上0XA0即可得到編碼。
BIG5字符集
作用：統一繁體字編碼。
位數：使用2個位元組表示，表示13053個漢字。
範圍：高位元組從A1到F9，低位元組從40到7E，A1到FE。
GBK字符集
作用：它是GB2312的擴充套件，加入對繁體字的支援，相容GB2312。
位數：使用2個位元組表示，可表示21886個字元。
範圍：高位元組從81到FE，低位元組從40到FE。
GB18030字符集
作用：它解決了中文、日文、朝鮮語等的編碼，相容GBK。
位數：它採用變位元組表示(1 ASCII，2，4位元組)。可表示27484個文字。
範圍：1位元組從00到7F; 2位元組高位元組從81到FE，低位元組從40到7E和80到FE；4位元組第一三位元組從81到FE，第二四位元組從30到39。
UCS字符集
作用：國際標準 ISO 10646 定義了通用字符集 (Universal CharacterSet)。它是與UNICODE同類的組織，UCS-2和UNICODE相容。
位數：它有UCS-2和UCS-4兩種格式，分別是2位元組和4位元組。
範圍：目前，UCS-4只是在UCS-2前面加了0×0000。
UNICODE字符集
作用：為世界650種語言進行統一編碼，相容ISO-8859-1。
位數：UNICODE字符集有多個編碼方式，分別是UTF-8，UTF-16和UTF-32。

5.3 編碼

UTF-8：

採用變長位元組 (1 ASCII, 2 希臘字母, 3 漢字, 4 平面符號) 表示。在網路傳輸時, 即使錯了一個位元組，不影響其他位元組，而雙位元組只要一個錯了，其他也錯了，具體如下：
    如果只有一個位元組則其最高二進位制位為0；如果是多位元組，其第一個位元組從最高位開始，連續的二進位制位值為1的個數決定了其編碼的位元組數，其餘各位元組均以10開頭。UTF-8最多可用到6個位元組。
UTF-16：

採用2位元組，Unicode中不同部分的字元都同樣基於現有的標準。這是為了便於轉換。

從 0×0000到0×007F是ASCII字元，

從0×0080到0×00FF是ISO-8859-1對ASCII的擴充套件。

希臘字母表使用從0×0370到 0×03FF 的程式碼，

斯拉夫語使用從0×0400到0×04FF的程式碼，

美國使用從0×0530到0×058F的程式碼，

希伯來語使用從0×0590到0×05FF的程式碼。

中國、日本和韓國的象形文字(總稱為CJK)佔用了從0×3000到0×9FFF的程式碼；由於0×00在c語言及作業系統檔名等中有特殊意義，故很多情況下需要UTF-8編碼儲存文字，去掉這個0×00。舉例如下：
UTF-16: 0×0080  = 0000 0000 1000 0000
UTF-8:   0xC280 = 1100 0010 1000 0000
UTF-32：採用4位元組。
優缺點
    UTF-8、UTF-16和UTF-32都可以表示有效編碼空間 (U+000000-U+10FFFF) 內的所有Unicode字元。
    使用UTF-8編碼時ASCII字元只佔1個位元組，儲存效率比較高，適用於拉丁字元較多的場合以節省空間。
    對於大多數非拉丁字元(如中文和日文)來說，UTF-16所需儲存空間最小，每個字元只佔2個位元組。
    Windows NT核心是Unicode(UTF-16)，採用UTF-16編碼在呼叫系統API時無需轉換，處理速度也比較快。
    採用UTF-16和UTF-32會有Big Endian和Little Endian之分，而UTF-8則沒有位元組順序問題，所以UTF-8適合傳輸和通訊。
    UTF-32採用4位元組編碼，一方面處理速度比較快，但另一方面也浪費了大量空間，影響傳輸速度，因而很少使用。