Java程序员遇上字符乱码6-说说常见中文字符集

中文字符集，都是GB开头的，GB=Guo Biao=国标=国家标准，GBK中K指“扩展”的意思。

常见的中文字符集：GB2312 < GBK < GB18030，下图为其包含关系，可表示字符 从内到外增加。

刚开始时(1980年)：GB2312 编码，它包括了 Ascii 中的编码，还扩充可以表示6000多个常用汉字。

后来：GBK 编码，它包括了 GB2312 中的编码，还扩充包含繁体和各种字符等。

再后来：GB18030 编码，包括GBK中的编码，还扩充包含少数名族的字符。

以后的以后：.......

.......不断扩充.......

         .......不断扩充.......

                   .......不断扩充.......

综合：GB2312 和 GBK，对于英文等Ascii 字符集中的字符用一个字节存储。其他后来扩充的中文字符则是 两个字节。

注意：

1.Big5是与GB2312同时期的一种台湾地区繁体字的编码格式。后来GBK编码的制定，把Big5用的繁体字也包含进来（但编码不兼容，所以不是一个体系，就没有画在上图中）。

2.  全角和半角之分：

历史：是由于中文文字 比 Ascii字符 宽（大只），所以打印文件时容易不整齐（不太好看），因此设计了 用两个字节（全角）来表示 Ascii字符。这在平时用的输入法中可以切换。

全角英文：两个字节  （大只）

半角英文：一个字节  （小只）

然而平时我们只能用半角来编程。

3.同一个编码文件里，怎么区分ASCII和中文编码呢？从ASCII表我们知道标准ASCII只有128个字符，0~127即0x00~0x7F（0111 1111）。所以区分的方法就是，高字节的最高位为0则为ASCII，为1则为中文。