浅谈字符集和编码

编码字符集：将抽象字符集中每个字符赋予一个数字代码，一般由标准组织制定，unicode就是一种典型的编码字符集。

字符集编码：是一套将一个字符的整数编号对应到一个二进制字节流的法则，典型的有基于unicode的utf-8。

ANSI（American National Standards Institute）字符集：

ASCII字符集+MBCS(Multi-Byte Character System)字符集，如GB2312。

ASCII: 最初，ANSI只包括一种字符集(ASCII-American Standard Code for Information Interchange)。ASCII码使用7bit表示一个字符，共128个字符。之后IBM在此基础上做了扩展，用8bit表示1个字符，共256个字符，称为ISO-8859-1字符集

MBCS: 为使计算机支持更多语言，这些派生的字符集通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符. 汉字 '中' 在中文操作系统(使用ANSI编码)中，使用 [0xD6,0xD0] 这两个字节存储。在简体中文系统下，MBCS编码代表 GB2312 编码，在繁体中文系统中，MBCS编码代表BIG5，日文操作系统下，MBCS 编码代表 JIS 编码。

Unicode:由于ANSI字符集在不同语言环境下的不统一，导致字符集太多，国际交流中也需要进行字符集转换，带来很大不便。于是出现了unicode字符集。该字符集使用16bit代表一个字符，可表示65536个字符。使用Unicode字符集时，方法strlen对一个中文字符执行的结果是1。为了在网络上传输unicode字符，Unicode可以有多种编码方式，如UTF-16, UTF-8, UTF-32等

GB***:最初指的是一个编码字符集， 其中包含了ASCII所包含的英文字符，同时加入了6763个简体汉字以及其他一些ASCII之外的符号。GB2312也有自己的编码方案，但这个方案直接使用一个字符在GB2312中的编号作为存储值（与UTF-32的做法类似），也因此，这个编码方案甚至没有正式的名称。我们日常说起GB2312的时候，常常即指这个字符集，也指这种编码方案。

其实简单来说，unicode是编码字符集，utf-8,uft-16之类是针对unicode的字符集编码，gbk既是编码字符集又是字符集编码。