告别乱码，你应该知道的字符集常识

各种字符集之间的关系

• ISO8859-1

-西欧字符集

• BIG5 -中国台湾的大五码，表示繁体汉字
• GB2312 -大陆使用最早，最广的简体中文字符集
• GBK -GB2312的扩展，可以表示繁体中文
• GB18030 -最新GBK的扩展，可以表示汉字、维吾汉文、藏文等中华名族字符
• Unicode -国际通用字符集

Unicode 正确理解

概要

占用 2 个字节

Unicode 给所有的字符指定了一个数字用来表示该字符。

Unicode 仅仅只是一个字符集，规定了符合对应的二进制代码，至于这个二进制代码如何存储则没有任何规定。它的想法很简单，就是为每个字符规定一个用来表示该字符的数字，仅此而已。

在向磁盘和网络上传送的时候以 UTF-8 编码

• 占1个字节的：一个utf8数字、一个utf8英文字母
• 占2个字节的：带有附加符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及它拿字母则需要二个字节编码
• 占3个字节的：基本等同于GBK，含21000多个汉字
• 占4个字节的：中日韩超大字符集里面的汉字，有5万多个
• 少数是汉字每个占用3个字节，多数占用4个字节（俩个字符）

兼容性

向下兼容。比如 GBK 会兼容 GB2312 、ISO8859-1。

乱码产生的原因

编码和解码字符集不一样。