字符集（Character Set）和字符编码（Character Encoding）是处理文本数据的核心概念，字符集是字符的集合，定义了包含哪些文字符号；字符编码是字符的存储与传输规则，定义了如何将字符集中的字符映射为二进制数据。汉字由于数量庞大、字形复杂，其编码方案的演进尤为复杂，也是中文信息处理的关键。
一、核心概念区分
-
字符集（Character Set / Charset）
是一组字符的集合，每个字符有唯一的“字符编号”（Code Point，码点），但不规定这个编号如何转换成二进制。
例：ASCII字符集包含英文字母、数字、标点等共128个字符；GB2312字符集包含常用汉字和符号。 -
字符编码（Character Encoding）
是字符码点到二进制字节的映射规则，解决“如何存储和传输字符”的问题。
例：ASCII字符集对应的编码就是ASCII编码，将0-127的码点直接用1个字节表示；UTF-8是Unicode字符集的一种变长编码方式。
关键关系：一种字符集可以对应多种编码方式（如Unicode对应UTF-8、UTF-16、UTF-32）；一种编码方式通常只对应一种字符集（如GBK编码只对应GBK字符集）。
二、字符集的演进（含汉字相关）
字符集的发展是从“单字节、小字符集”到“多字节、全球统一字符集”的过程，汉字的纳入是重要推动因素。
1. 早期单字节字符集（无汉字）
- ASCII（American Standard Code for Information Interchange）
1万+
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
