编码（计算机术语）_百度百科
清除历史记录关闭
声明：百科词条人人可编辑，词条创建和修改均免费，绝不存在官方及代理商付费代编，请勿上当受骗。
?计算机术语
[biān mǎ]
（计算机术语）
编码是从一种形式或格式转换为另一种形式的过程也称为计算机编程语言的代码简称编码。用预先规定的方法将文字、数字或其它对象编成数码，或将信息、数据转换成规定的电脉冲信号。编码在、、遥控和通讯等方面广泛使用。编码是信息从一种形式或格式转换为另一种形式的过程。，是编码的逆过程。
在中，（coding）是指用来表示各组数据资料，使其成为可利用计算机进行处理和分析的信息。代码是用来表示事物的记号，它可以用数字、字母、特殊的符号或它们之间的组合来表示
将转换为代码或编码字符，并能译为原数据形式。是计算机书写指令的过程，中的一部分。在地图自动制图中，按一定规则用数字与字母表示地图内容的过程，通过编码，使计算机能识别地图的各地理要素。
n位可以组合成2的n次方个不同的信息，给每个信息规定一个具体码组，这种过程也叫编码。
中常用的编码有两类，一类是，另一类是编码。
编码编码常识
GB编码标准中，比较常用的是GB2312和GBK两种，GB2312是GBK的一个子集，GB2312编码范围是 0xA1A1 - 0xFEFE ，如果纯粹的 GB2312编码，处理起来是十分简单的，但处理GBK字符集时有些小的提示，先说说GBK编码的标准吧：
GBK 采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。
编码编码分类
1. 汉字区。包括：
a. GB 2312 汉字区。即 GBK/2: B0A1-F7FE。收录 GB 2312 汉字 6763 个，按原顺序排列。
b. GB 13000.1 扩充汉字区。包括：
(1) GBK/3: 8140-A0FE。收录 GB 13000.1 中的 CJK 汉字 6080 个。
(2) GBK/4: AA40-FEA0。收录 CJK 汉字和增补的汉字 8160 个。
CJK 汉字在前，按 UCS 代码大小排列；增补的汉字（包括部首和构件）在后，按《》的页码/字位排列。
2. 图形符号区。包括：
a. GB 2312 非汉字符号区。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符号外，
还有 10 个小写罗马数字和 GB 12345 增补的符号。计符号 717 个。
b. GB 13000.1 扩充非汉字区。即 GBK/5: A840-A9A0。BIG-5 非汉字符号、结构符和“○”排列在此区。计符号 166 个。
3. 用户自定义区：分为(1)(2)(3)三个小区。
(1) AAA1-AFFE，码位 564 个。
(2) F8A1-FEFE，码位 658 个。
(3) A140-A7A0，码位 672 个。
第(3)区尽管对用户开放，但限制使用，因为不排除未来在此区域增补新字符的可能性。
这里有几个小技巧：
一、在php中，字符编码是按所发送的编码为准的，因此使用的就是用户输入的编码，不会自动改变，但在asp中，默认的编码是unicode，这样我们很容易就能得到gbk-&unicode的编码对照表，这样即使在毫无基础库的情况下也能很容易的实现gbk到utf-8的转换了；
二、由于GBK是高位最低数值是0x40，即是64，因此，有时候组织一些涉及中文的字串时，分割字符最好用64之前的，这样在任意情况下替换或分割都不会出现，比较常用的是 &,&、&;&、&:&、& &、& &、& &，这些字符永远都不会给gb编码添乱。
我们日常接触到的文件分和Binary两种。是“美国信息交换标准编码”的英文字头缩写，可称之为“美标”。美标规定了用从0到127的128个数字来代表信息的规范编码，其中包括33个控制码，一个空格码，和94个形象码。形象码中包括了英文大小写字母，阿拉伯数字，标点符号等。我们平时阅读的英文电脑文本，就是以形象码的方式传递和存储的。美标是国际上大部分大小电脑的通用编码。
然而电脑中的一个字符大都是用一个八位数的二进制数字表示。这样每一字符便可能有256个不同的数值。由于美标只规定了128个编码，剩下的另外128个数码没有规范，各家用法不一。另外美标中的33个控制码，各厂家用法也不尽一致。这样我们在不同电脑间交换文件的时候，就有必要区分两类不同的文件。第一类文件中每一个字都是美标形象码或空格码。这类文件称为“美标文本文件”(ASCII Text Files)，或略为“文本文件”，通常可在不同间直接交换。第二类文件，也就是含有控制码或非美标码的文件，通常不能在不同电脑系统间直接交换。这类文件有一个通称，叫“二进制文件”(Binary Files)。
“国标”是“信息交换用汉字编码”的简称。国标表（基本表）把七千余汉字、以及标点符号、外文字母等，排成一个94行、94列的方阵。方阵中每一横行叫一个“区”，每个区有九十四个“位”。一个汉字在方阵中的坐标，称为该字的“”。例如“中”字在方阵中处于第54区第48位，它的就是5448。
其实94这个数字。它是美标中形象码的总数。国标表沿用这个数字，本意大概是要用两个美标形象符代表一个汉字。由于美标形象符的编码是从33到126，汉字区位码如果各加上32，就会与美标形象码的范围重合。如上例“中”字区、位码加上32后，得86,80。这两个数字的十六进制放在一起得5650，称为该字的“国标码”，而与其相对应的两个美标符号，VP，也就是“中”字的“国标符”了。
这样就产生了一个如何区分国标符与美标符的问题。在一个中英文混用的文件里，“VP”到底代表“中”字呢，还是代表某个英文字头缩写？电子工业部第六研究所开发CCDOS的时候，使用了一个简便的解决方案：把国标码的两个数字各加上128，上升到非美标码的位置。（改变后的国标码，习惯上仍叫“国标”。）
这个方案固然解决了原来的问题，可是新的问题随之产生。中文文件成了“二进制文件”，既不能可靠地在不同电脑系统间交换，也不与市场上大部分以美标符号为设计对象的。
为了区分以上两种“国标”，我们把原与美标形象码重合的国标码称为“纯国标” ，而把CCDOS加上128的国标码称为“准国标”。
GBK码是的扩展字符编码，对多达2万多的简繁汉字进行了编码，简体版的Win95和Win98都是使用GBK作系统内码。
从实际运用来看，自win95简体中文版开始，系统就采用GBK代码，它包括了TrueType、两种（北京中易电子公司提供），可以用于显示和打印，并提供了四种GBK汉字的。此外，IE4.0简体、繁体中文版内部提供了一个GBK-BIG5代码双向转换功能。此外，为IE提供的中，简体中文支持（Simplified Chinese Language Support Kit）的两种、黑体，也是GBK汉字（四通电脑排版系统开发公司提供）。其他一些中文字库生产厂商，也开始提供TrueType或PostScript GBK字库。
许多外挂式的中文平台，如、四通利方（Richwin）等，提供GBK码的支持，包括、和GBK与其他中文代码的转化器。
互联网方面，许多网站网页使用GBK代码。
但是多数都不能很好的支持GBK汉字搜索，大陆地区的搜索引擎有些能不完善的支持GBK汉字检索。
其实，GBK是又一个汉字编码标准，全称《汉字内码扩展规范》（Chinese Internatial Code Specification），1995年颁布。GB是国标，K是汉字“扩展”的汉语拼音第一个字母。
GBK向下与GB-2312编码兼容，向上支持ISO 10646.1国际标准，是前者向后者过渡的一个承启标准。
GBK规范收录了ISO 10646.1中的全部CJK汉字和符号，并有所补充。具体包括：GB 2312中的全部汉字、非汉字符号；GB 13000.1中的其他CJK汉字。以上合计20902个GB化汉字；《简化总表中》未收入GB 个汉字；《》以及《辞海》中未被收入GB 个部首及重要构件；13个符；BIG-5中未被GB 2312收入、但存在于GB 9个图形符号；GB 12345增补的6个拼音符号；GB 12345增补的19个竖排图形符号（GB 12345较GB 2312增补竖排标点符号29个，其中10个未被GB 13000.1收入，故GBK亦不收）；从GB 13000.1的CJK兼容区挑选出的21个汉字；GB 13000.1收入的31个IBM OS/2专用符号。GBK亦采用双表示，总体编码范围为0x8140~0xFEFE之间，首字节在0x81~0xFE之间，尾字节在0x40~0xFE之间，剔除0x××7F一条线，总计23940个码位，共收入21886个汉字和图形符号，其中汉字（包括部首和构件）21003个，图形符号883个。
BIG5码是针对繁体汉字的汉字编码，在台湾、的中得到普遍应用。BIG5码的编码范围参考下文。
HZ 码是中国留学生为了使汉字信息能在网络上直接传送而产生的。因目前大多数 （西方）网络系统为7位，最高位被屏蔽掉，因此 GB 码无法被直接传输，HZ 码是为了达到在7位网络系统中直接传递汉字信息的目的而规范的。
“HZ”方案的特点，是以“纯国标”的中文与美标码混用。那么“HZ”是怎样区分国标符和美标符的呢？答案其实也很简单：当一串美标码中间插入一段国标码的时候，我们便在国标码的前面加上~，后面加上~。这些分别叫“逃出码”和“逃入码”。 由于这些本身也是美标形象码，整个文件就俨然是一个美标文本文件，可以安然地 在电脑网上传递，也和大部分英文文本处理。
ISO-2022是（ISO）为各种语言字符制定的编码标准。采用二个字节编码，其中汉语编码称ISO-2022 CN，日语、韩语的编码分别称JP、KR。一般将三者合称CJK码。CJK码主要在Internet网络中使用。
1993年，国际标准ISO10646 定义了通用(Universal Character Set, UCS)。 UCS 是所有其他字符集标准的一个超集。它保证与其他字符集是双向兼容的。就是说， 如果你将任何文本字符串翻译到 UCS格式，然后再翻译回原编码, 你不会丢失任何信息。
UCS 包含了用于表达所有已知语言的字符。不仅包括拉丁语，希腊语，斯拉夫语，希伯来语,阿拉伯语，亚美尼亚语和语的描述， 还包括中文，和韩文这样的象形文字，以及平假名，片假名，孟加拉语,果鲁穆奇字符(Gurmukhi)，， 印.埃纳德语(Kannada)，Malayalam，泰国语， 老挝语， 汉语拼音(Bopomofo)， Hangul，Devangari，Gujarati， Oriya，Telugu 以及其它语种。对于还没有加入的语言, 由于正在研究怎样在计算机中最好地编码它们， 因而最终它们都将被加入。这些语言包括Tibetian，高棉语，Runic(古代文字)，语， 其他象形文字，以及各种各样的印-欧语系的语言，还包括挑选出来的艺术语言比如 Tengwar，Cirth 和(Klingon)。UCS 还包括大量的图形的，印刷用的，数学用的和科学用的符号，包括所有由 TeX，Postscript，，MS-Windows， Macintosh， OCR， 以及许多其他字处理和出版系统提供的字符。
ISO 10646 定义了一个 31 位的。 然而， 在这巨大的编码空间中, 迄今为止只分配了前 65534 个码位 (0x0000 到 0xFFFD)。这个UCS的16位子集称为基本多语言面 (Basic Multilingual Plane, BMP)。 将被编码在16位BMP以外的字符都属于非常特殊的字符(比如象形文字), 且只有专家在历史和科学领域里才会用到它们。按当前的计划， 将来也许再也不会有字符被分配到从0xx10FFFF这个覆盖了超过100万个潜在的未来字符的 21 位的编码空间以外去了。ISO 10646-1标准第一次发表于1993年, 定义了字符集与 BMP 中内容的架构。定义 BMP以外的字符编码的第二部分 ISO 10646-2 正在准备中， 但也许要过好几年才能完成。新的字符仍地加入到 BMP 中, 但已经存在的字符是稳定的且不会再改变了。
UCS 不仅给每个字符分配一个代码， 而且赋予了一个正式的名字。表示一个 UCS 或 Unicode 值的十六进制数, 通常在前面加上 “U+”， 就象U+0041 代表字符“拉丁大写字母A”。UCS字符U+0000到U+007F 与 US-ASCII(ISO 646) 是一致的， U+0000 到 U+00FF 与 ISO(Latin-1) 也是一致的。从 U+E000 到 U+F8FF，已经BMP 以外的大范围的编码是为私用保留的。
1993年，ISO10646中定义的USC-4 (Universal Character Set) ，使用了4 个字节的宽度以容纳足够多的相当可观的空间，但是这个过于肥胖的字符标准在当时乃至21世纪都有其不现实的一面，就是会过分侵占存储空间并影响信息传输的效率。 与此同时，Unicode 组织于约 10 年前以 Universal, Unique和Uniform 为主旨也开始开发一个16位字符标准， 为避免两种16位编码的竞争，1992年两家组织开始协商，以期折衷寻找共同点，这就是今天的 UCS-2 (BMP，Basic Multilingual Plane，16bit) 和Unicode，但它们仍然是不同的方案。
关于Unicode我们需要追溯一下它产生的渊源。
当计算机普及到时，遇到了使用表意字符而非字母语言的中、日、韩等国家。在这些国家使用的语言中常用字符多达几千个，而原来字符采用的是单字节编码，一张代码页中最多容纳的字符只有2^8=256个，对于使用表意字符的语言是在无能为力。既然一个字节不够，自然人们就采用两个字节，所有出现了使用双字节编码的字符集(DBCS)。不过双字节字符集中虽然表意字符使用了两个字节编码，但其中的ASCII码和片假名等仍用单字节表示，如此一来给带来了不小的麻烦，因为每当涉及到DBCS字符串的处理时，总是要判断当中的一个字节到底表示的是一个字符还是半个字符，如果是半个字符，那是前一半还是后一半？由此可见DBCS并不是一种非常好的解决方案。
人们在不断寻找这更好的字符编码方案，最后的结果就是Unicode诞生了。Unicode其实就是宽字节字符集，它对每个字符都固定使用两个字节即16位表示，于是当处理字符时，不必担心只处理半个字符。
Unicode在网络、Windows系统和很多大型中得到应用。
编码编码种类
编码(Encoding)在认知上是解释传入的刺激的一种基本知觉的过程。技术上来说，这是一个复杂的、多阶段的转换过程，从较为客观的感觉输入（例如光、声）到主观上有意义的体验。
(Character encoding)是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）进行配对。
编码文字编码
文字编码(Text encoding)使用一种标记语言来标记一篇文字的结构和其他特征，以方便计算机进行处理。
编码语义编码
(Semantics encoding)，以正式语言乙对正式语言甲进行语义编码，即是使用语言乙表达语言甲所有的词汇（如程序或说明）的一种方法。
编码电子编码
电子编码(Electronic encoding)是将一个信号转换成为一个代码，这种代码是被优化过的以利于传输或存储。转换工作通常由一个编解码器完成。
编码PCM编码
PCM 脉冲编码调制是Pulse Code Modulation的缩写。（又叫脉冲编码调制）：数字通信的编码方式之一。主要过程是将话音、图像等模拟信号每隔一定时间进行取样，使其离散化，同时将抽样值按分层单位四舍五入取整量化，同时将抽样值按一组码来表示抽样脉冲的幅值。
编码神经编码
神经编码(Neural encoding)是指信息在神经元中被如何描绘的方法。
编码记忆编码
(Memory encoding)是把感觉转换成记忆的过程。
(Encryption)是为了保密而对信息进行转换的过程。
(Transcoding)是将编码从一种格式转换到另一种格式的过程。
编码字符集编
码转换轻松实现
一、利用函数族进行编码转换
在上进行编码转换时，既可以利用iconv函数族编程实现,还可以利用iconv命令去实现，只不过后者是针对文件的,也就是将指定文件从一种编码转换为另一种编码。
iconv函数族的头文件是iconv.h，使用前需包含之。
#include &iconv.h&
iconv函数族有三个函数，原型如下：
(1) iconv_t iconv_open(const char *tocode, const char *fromcode)
此函数说明将要进行哪两种编码的转换，tocode是目标编码，fromcode是原编码，该函数返回一个转换句柄，供以下两个函数使用。
(2)iconv(iconv_t cd，char **inbuf，size_t *inbytesleft，char **outbuf，size_t *outbytesleft)
此函数从inbuf中读取字符，转换后输出到outbuf中，inbytesleft用以记录还未转换的字符数，outbytesleft用以记录输出缓冲的剩余空间。 (3) int iconv_close(iconv_t cd)
此函数用于关闭转换句柄,释放资源。
例子1： 用C语言实现的转换示例程序
/* f.c ：代码转换示例C程序 */
#include &iconv.h&
#define OUTLEN 255
char *in_utf8 = &姝e?ㄥ??瑁?&
char *in_gb2312 = &正在安装&
char out[OUTLEN]
//unicode码转为gb2312码
rc = u2g(in_utf8,strlen(in_utf8),out,OUTLEN)
printf(&unicode--&gb2312 out=%sn&,out)
//gb2312码转为unicode码
rc = g2u(in_gb2312,strlen(in_gb2312),out,OUTLEN)
printf(&gb2312--&unicode out=%sn&,out)
//代码转换：从一种编码转为另一种编码
int code_convert(char *from_charset,char *to_charset,char *inbuf,int inlen,char *outbuf,int outlen)
char **pin = &
char **pout = &
cd = iconv_open(to_charset,from_charset);
if (cd==0) return -1;
memset(outbuf,0,outlen);
if (iconv(cd,pin,&inlen,pout,&outlen)==-1) return -1;
iconv_close(cd);
//UNICODE码转为GB2312码
int u2g(char *inbuf,int inlen,char *outbuf,int outlen)
return code_convert(&utf-8&,&gb2312&,inbuf,inlen,outbuf,outlen);
//GB2312码转为UNICODE码
int g2u(char *inbuf,size_t inlen,char *outbuf,size_t outlen)
return code_convert(&gb2312&,&utf-8&,inbuf,inlen,outbuf,outlen);
例子2: 用实现的转换示例程序
/* f.cpp : 代码转换示例C++程序 */
#include &iconv.h&
#include &iostream&
#define OUTLEN 255
// 代码转换操作类
class CodeConverter {
CodeConverter(const char *from_charset,const char *to_charset) {
cd = iconv_open(to_charset,from_
~CodeConverter() {
iconv_close(cd);
// 转换输出
int convert(char *inbuf,int inlen,char *outbuf,int outlen) {
char **pin = &
char **pout = &
memset(outbuf,0,outlen);
return iconv(cd,pin,(size_t *)&inlen,pout,(size_t *)&outlen);
int main(int argc, char **argv)
char *in_utf8 = &姝e?ㄥ??瑁?&;
char *in_gb2312 = &正在安装&;
char out[OUTLEN];
// utf-8--&gb2312
CodeConverter cc = CodeConverter(&utf-8&,&gb2312&);
cc.convert(in_utf8,strlen(in_utf8),out,OUTLEN);
cout && &utf-8--&gb2312 in=& && in_utf8 && &,out=& && out &&
// gb2312--&utf-8
CodeConverter cc2 = CodeConverter(&gb2312&,&utf-8&);
cc2.convert(in_gb2312,strlen(in_gb2312),out,OUTLEN);
cout && &gb2312--&utf-8 in=& && in_gb2312 && &,out=& && out &&
二、利用iconv命令进行编码转换
LINUX上进行编码转换时，既可以利用iconv函数族编程实现,也可以利用iconv命令来实现，只不过后者是针对文件的,即将指定文件从一种编码转换为另一种编码。
iconv命令用于转换指定文件的编码，默认输出到标准输出设备,亦可指定输出文件。
用法： iconv [选项...] [文件...]
有如下选项可用：
输入/输出格式规范：
-f, --from-code=名称 原始文本编码
-t, --to-code=名称 输出编码
-l, --list 列举所有已知的
输出控制：
-c 从输出中忽略无效的字符
-o, --output=FILE 输出文件
-s, --silent 关闭警告
--verbose 打印进度信息
-?, --help 给出该系统求助列表
--usage 给出简要的用法信息
-V, --version 打印程序版本号
iconv -f utf-8 -t gb2312 aaa.txt &bbb.txt
这个命令读取aaa.txt文件，从utf-8编码转换为gb2312编码，其输出定向到bbb.txt文件。
小结：为我们提供了强大的编码转换工具,给我们带来了方便。
本词条认证专家为
副理事长兼秘书长
中国通信学会
中国通信学会
原武汉邮电科学研究院
中国联通网络技术研究院
工业和信息化部电信研究院互联网中心
副院长兼总工程师
中国移动设计院
首席架构师业务总工程师
中兴通讯股份有限公司
百度公司发展研究中心
中国通信学会科普中国百科科学词条评审专家委员会
中国通信学会是全国通信...
提供资源类型：内容
清除历史记录关闭字符，字符集，字符编码 - 简书
字符，字符集，字符编码
现在Unicode已然一统天下，我想很多年轻的程序员可能都没遇到过编码问题，更不用说了解编码的发展了。前些日子在一个老网站上偶遇乱码，虽然入行时间不短，但对其究竟也是不甚了解，好奇心驱使下落入深坑。还好经过一段时间的摸爬滚打，边学边写，总算大概理清了个脉络，记录之，分享之。
字符是一个信息单位，在计算机里面，一个中文汉字是一个字符，一个英文字母是一个字符，一个阿拉伯数字是一个字符，一个标点符号也是一个字符。
字符集是字符组成的集合，通常以二维表的形式存在，二维表的内容和大小是由使用者的语言而定，是英语，是汉语，还是阿拉伯语。
字符编码是把字符集中的字符编码为特定的二进制数，以便在计算机中存储。编码方式一般就是对二维表的横纵坐标进行变换的算法。一般都比较简单，直接把横纵坐标拼一起就完事了。后来随着字符集的不断扩大，为了节省存储空间，才出现了各种各样的算法。
字符集和字符编码一般都是成对出现的，如ASCII、IOS-8859-1、GB2312、GBK，都是即表示了字符集又表示了对应的字符编码，以后统称为编码。Unicode比较特殊，后面细说。
计算机是美国人发明的，人家用的是美式英语，字符比较少，所以一开始就设计了一个不大的二维表，128个字符，取名叫ASCII（American Standard Code for Information Interchange）。128个码位，用7位二进制数表示，由于计算机1个字节是8位二进制数，所以最高位为0，即11111或0x00-0x7F。
后来美国人发现128个码位不够用，于是在原来二维表的基础上进行了扩展，256个字符，取名叫EASCII（Extended ASCII）。256个码位，用8位二进制数表示，即11111或0x00-0xFF。
当计算机传到了欧洲，美国人的标准不适用了，但是改改还能凑合。于是国际标准化组织在ASCII的基础上进行了扩展，形成了ISO-8859标准，跟EASCII类似，兼容ASCII，在高128个码位上有所区别。但是由于欧洲的语言环境十分复杂，所以根据各地区的语言又形成了很多子标准，ISO-8859-1、ISO-8859-2、ISO-8859-3、……、ISO-8859-16，真是令人发指。
当计算机传到了亚洲，尤其是东亚，国际标准被秒杀了，路边小孩随便说句话，256个码位就不够用了。于是乎继续扩大二维表，单字节改双字节，16位二进制数，65536个码位。在不同国家和地区又出现了很多编码，大陆的GB2312、港台的BIG5、日本的Shift JIS等等。
注意65536个码位这种说法只是理想情况，由于双字节编码可以是变长的，也就是说同一个编码里面有些字符是单字节表示，有些字符是双字节表示。这样做的好处是，一方面可以兼容ASCII，另一方面可以节省存储容量，代价就是会损失一部分码位。而且编码的设计也并不是想象的那样，所有字符从头到尾布满整个二维表，都是有预留空间的。比如说GBK是GB2312的扩展（K竟然是拼音KuoZhan的缩写），按理说都属于双字节编码，码位是一样的，根本谈不上扩展，但实际上是预留空间在起作用。比如下图为GBK的编码空间，GBK/1、GBK/2是GB2312的区域，GBK/3、GBK/4、GBK/5是GBK的区域，红色是用户自定义区域，白色可能就是由于变长编码损失的区域了。
当互联网席卷了全球，地域限制被打破了，不同国家和地区的计算机在交换数据的过程中，就会出现乱码的问题，跟语言上的地理隔离差不多。乱码是怎么出现的呢？对同一组二进制数据，不同的编码会解析出不同的字符，用对了编码，解析出来的字符组成的文字是有意义的，用错了编码，解析出来的字符组成的文字是没意义的，也就是通常所说的乱码。
经过之前的介绍，编码很多，全球的计算机们没办法在一起好好的玩耍。要彻底解决这个问题，替代原先基于语言的编码系统，就需要一个通用的字符集UCS（Universal Character Set）和一个通用的字符编码Unicode。一开始UCS用2个字节表示，叫做UCS-2，后来2个字节不够用，于是就用4个字节，叫做UCS-4。但是如果每一个字符都用4个字节来表示的话，相较之前的编码会浪费很多存储空间，尤其是相对ASCII等单字节编码会非常吃亏。并且当时已经有些厂商在双字节编码上投入了很大的精力。于是就被作为一种折中的方案提了出来，既保持了两字节不变，又保证了足够的编码空间。而是与UCS-4相对应的，则由于扩展性比较强，从容应对了UCS-2到UCS-4的改变。关于各种UTF的实现细节可以点击链接查看（翻墙），已经说得很清楚了，就不赘述了，但不得不提一下，UTF-16的设计还挺巧妙的。
UTF（Unicode Transformation Format）是将Unicode编码进行了转换，通常会在存储空间和效率上进行一定的权衡，有很多种实现方式，前面提到了UTF-8和UTF-16是最常用的。这就是之前提到的Unicode的特殊之处。
1986 最后一次更新
ISO-8859-1
In the late 1980s
1996 实现代理机制（UTF-16）
2015 最新版8.0
根据以上各个编码发展的一些时间节点，再配合下图UTF-8制霸互联网过程，会有一个比较清晰的了解。
虽然Unicode解决了地球上的问题，但是以后三体人入侵可怎么办，根据这些天研究编码发展历史来看，比较靠谱的回答——还是到时再说吧。
本文是根据互联网上各种信息来源，主要是维基百科，加上自己的理解，进行的总结和演绎，肯定有不准确或错误的地方，还望不吝赐教。
明明在做管理，却一心想着写代码。
编码相关的几个基本概念 接着上篇那么长的扯蛋后，终于，我们回到正题上了。但我却打算接着扯下去，上面讲到了，那帮人还给那8个开关起了个名字对吧。叫“字节”，但我们平时还接触了其他名词，上篇里面也有提到过一些名词，这里我们再来整理一下。 位、字节、字符、字符集、代码页、字符编码...
从事软件开发工作的人员经常会遇见字符编码问题，比如常见的“乱码”。乱码是由于系统或软件缺乏对某种字符编码的支持，而产生的不能正常阅读的混乱字符。本文总结了字符编码的相关概念，阐述字符编码领域的问题，希望广大网友指错指教，一起摆脱乱码的困扰。 一. 字符、字符集与字符编码 字...
摘要：本文从Unicode入手，介绍由于通信问题而产生的字符集，以及Unicode的发展情况。介绍各种字符集的及其使用。并适时的介绍一些历史情况，主要讨论字符集在java及C语言环境中的使用，及阐述UTF，ISO 8859-1，ASCII他们之间的关系。会介绍一些乱码知识，...
习惯确实能够改变很多东西，能让人每一天都有收获，因为习惯是在做一件事，然这件事一定是影响自己的大事，所以，我们需要在生活中建立属于自己的一个核心习惯，用这个习惯来建设自己，丰富自己。建立自我核心习惯的关键在于找到自己感兴趣的东西，从自己的兴趣爱好出发，做自己最内心想...
在他开上租来的车以后，立志买一辆自己的出租车开，做一个独立的劳动者，但这个愿望在经过多次挫折以后，终于完全破灭。他丧失了对于生活任何企求和信心，从上进好强而沦为自甘堕落：原来那个正直善良的他，被生活的磨盘辗得粉碎。他一直是一个不折不扣的受虐者：从一开始发自内心地对虐待...
有人在爱里执迷不悟 有人悟到了执迷深处 有人追逐 有人背负 感情是 行为艺术 分手 权当是 分开守护 喜剧，喜了人间 悲剧，悲了归处
意识到这一点，又有一种恍然大悟、醍醐灌顶的感觉。 说起麻烦，自己都有一种抬不起头的感觉，或许再我的一生中无法忘记那个场景，或许就是那一次的怕麻烦，从此改变我的人生规矩。那一次的麻烦就暂且埋藏再心里吧。 别人来找我，包括学生因为各种事务打扰到我，我总是显得有些不耐烦，觉得侵占...}