关于 charset 的几种编码方式

经常遇到charset=gb2312、charset=iso-8859-1、charset=utf-8这几种编码方式，它们有什么不同，看下面的图

编码方式	含义
charset=iso-8859-1	西欧的编码，英文编码
charset=gb2312	中文编码
charset=utf-8	世界通用语言编码
charset=big5	繁体中文编码
charset=euc-kr	韩文编码

除此之外，还有很多其他的编码方式，其中charset=utf-8可以用到中文、韩文、日文等世界上所有语言编码上

各个国家和地区制定的不同ANSI编码标准中，都只规定了自己语言需要的“字符”，比如汉字标准（GB2312）中没有规定韩文字符怎么存储。制定的ANSI包含两层含义：

字符集：使用哪些字符，也就是哪些汉字、字母和符号会被收入标准中。

编码：规定每个字符如何存储，即用几个字节以及哪些字节来存储

在制定ANSI标准的时候，字符集和编码一般都是同时制定的。

“unicode”字符集包含了各种语言使用到的“字符”。由此产生了很多“unicode”字符集编码的标准，主要分为下面三类。

• ISO-8859-1

  最简单的编码规则，每一个字节直接作为一个unicode字符。比如，[0xD6, 0xD0] 这两个字节，通过 iso-8859-1 转化为字符串时，将直接得到 [0x00D6, 0x00D0] 两个 unicode 字符，即 “ÖД。
  反之，将 unicode 字符串通过 iso-8859-1 转化为字节串时，只能正常转化 0~255 范围的字符。

• GB2312、BIG5、Shift_JIS、ISO-8859-2

  把 unicode 字符串通过 ANSI 编码转化为“字节串”时，根据各自编码的规定，一个 unicode 字符可能转化成一个字节或多个字节。
  反之，将unicode字节串转化成字符串时，也可能多个字节转化成一个字符。比如，[0xD6, 0xD0] 这两个字节，通过 GB2312 转化为字符串时，将得到 [0x4E2D] 一个字符，即 ‘中’ 字。

  “ANSI 编码”的特点：

  1. 这些“ANSI 编码标准”都只能处理各自语言范围之内的 unicode 字符。
  2. “unicode 字符”与“转换出来的字节”之间的关系是人为规定的。

• UTF-8,UTF-16,UnicodeBig

  与“ANSI 编码”类似的，把字符串通过 unicode 编码转化成“字节串”时，一个 unicode 字符可能转化成一个字节或多个字节。

  与“ANSI 编码”不同的是：

  1. 这些“unicode 编码”能够处理所有的 unicode 字符。
  2. “unicode 字符”与“转换出来的字节”之间是可以通过计算得到的。

文章来源