字符集编码和编码字符集

---

字符集

• 字符的集合，没有编号

编码字符集(charset)

• 为字符集的每一个字符指定一个编号，即代码点（code point） 。

字符集编码(encoding)

• 字符的code point（码点）不一定是该字符在电脑中存储中使用的值。字符在电脑中存储的值由字符集编码决定。

• code unit（代码单元或码元）仅仅针对字符集编码，是字符集编码中对一个字符编码后的最小存储单元。在UTF-8中是一个字节，因为UTF-8在将字符编码为1个，2个，3个，或者4个。在UTF-16中，代码单元变成了两个字节，因为在UTF-16中字符可以被编码为2个或者4个字节（也就是java里面的1个或者2个char）。

具体的编码字符集和字符集编码

编码字符集	字符集编码
Unicode	UTF-8,UTF-16,UTF-32
GB2312	GB2312
GBK	GBK
ASCII （ISO-646）	ASCII（ISO-646）
扩展的ASCII	扩展的ASCII（ISO-8859-*），例如Latin-1（ISO-8859-1）

其他

• 创建了一张xml页面，声明encoding为UTF-8，和html中的charset一样，只是告诉程序，页面使用了什么字符集编码（html中的charset其实是指字符集编码）。但是这张页面到底用了什么字符集编码，是不一定的。所以最好要求页面实际使用的字符集编码和encoding声明的一样。

• windows操作系统在保存页面时，会使用默认的编码方式ANSI。简体中文使用字符集编码是GBK。