编码的区别-Unicode,UTF-8,GBK,ISO-8859-1

     今天遇到乱码问题，猛然发现自己对unicodeUTF-8之类的区别很是模糊，不由好好看了下相关的知识，具体的文章我在最后列出来，这里主要总结下：

 

1.  Unicode和ISO-XXX

     Unicode和ISO-XXXX字符集都源于两个独立的项目，目的都是创立单一字符集，后来双方都认识到不需要存在两个不兼容的字符集，因此进行了整合。因此Unicode和ISO-10646两个标准里所有的字符都在相同的位置并且有相同的名字。

2.  UNICODE和UTF-8

     Unicode 只是分配整数给字符的编码表， 学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写. 现在存在好几种将一串字符表示为一串字节的方法. 最显而易见的两种方法是将 Unicode 文本存储为 2 个 或 4 个字节序列的串. 这两种方法的正式名称分别为 UCS-2 和 UCS-4。

     UCS只是规定如何编码，并没有规定如何传输、保存这个编码。例如“汉”字的UCS编码是6C49，我可以用4个ASCII数字来传输、保存这个编码；也 可以用utf-8编码:3个连续的字节E6 B1 89来表示它。关键在于通信双方都要认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方 案。UTF-8的一个特别的好处是它与ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的缩写。

3.GBK和GB2312

    GBK和GBK2312为中文编码国标，其中鉴于GBK收录汉子过少，而进行扩展并命名为GBK。GBK和GBK2312都属于双字节编码集，2000年的GB18030是取代GBK1.0的正式国家标准,GB18030在GB13000.1的20902个汉字的基础上增加了CJK扩展A的6582个汉字（Unicode码0x3400-0x4db5），一共收录了27484个汉字。GB13000.1就是ISO/IEC 10646-1的中文版，相当于Unicode 1.1。

 

参考文章：

http://www.zeali.net/entry/86

http://www.cnblogs.com/cy163/archive/2007/05/31/766886.html

 

常用的字符集

ISO-8859-1
http://zh.wikipedia.org/wiki/ISO/IEC_8859-1

ASCII

http://zh.wikipedia.org/zh-cn/ASCII

Unicode

http://zh.wikipedia.org/zh-cn/UNICODE