在处理字符时我们经常会遇到正常读取的中文文本输出后有乱码的情况，这个通常是因为使用了错误的编解码方式导致的，今天我们就来认识一下在字符处理时常见的几个名字的具体含义，以及常用的编解码方式的区别。
Unicode：它是一个试图涵盖世界上所有书写系统的字符集。每一个字符都被分配了一个唯一的数字，称为码点。Unicode目前支持超过120,000个字符，包括历史和现代文字、符号、表情符号等。它的目标是为软件国际化与本地化提供统一的字符编码解决方案。
UTF-8：这是Unicode的一种变长编码形式，也是互联网上最常用的编码方式之一。UTF-8使用一到四个字节来表示一个字符，具体取决于字符的Unicode码点。这种编码方式设计得非常聪明，因为它兼容ASCII（即Unicode中前128个字符与ASCII完全相同），并且对于其他字符则使用更多的字节来表示。这使得UTF-8在处理以拉丁字母为主的文本时非常高效，并且在全球范围内得到了广泛的应用。
GB2312：GB2312是中国国家标准局于1980年发布的一种简体中文字符集标准，主要用于信息交换。它是早期计算机系统处理和显示汉字的基础编码之一。GB2312收录了6763个汉字（其中一级汉字3755个，二级汉字3008个），以及682个图形符号。这些字符涵盖了日常生活、教育、出版等领域中常用的汉字。GB2312采用双字节编码方案。每个汉字由两个字节表示，这两个字节的值均大于128（即最高有效位为1），以与ASCII字符区分。第一个字节的范围是0xA1到0xF7，第二个字节的范围是0xA1到0xFE。
GBK：GBK编码是一种用于简体中文环境的字符集标准，它是对早期GB2312标准的扩展。GBK（Guojia Biaozhun Kuozhan，国家标准扩展）旨在解决GB2312在表示更多汉字和符号时的局限性。GBK不仅包括了GB2312中的所有字符，还增加了对更多汉字、标点符号和其他符号的支持。GBK总共可以表示大约21,000个字符，覆盖了大部分日常使用的汉字。GBK使用双字节编码方案。这意味着每个字符由两个字节（16位）组成。第一个字节的值通常大于127（即最高有效位为1），以区别于ASCII字符。这种设计使得GBK能够表示比单字节编码更多的字符。
ASCII：ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是最早的字符编码标准之一，主要用于早期的计算机系统中。ASCII使用7位来表示字符，总共可以表示128个不同的字符。这包括大小写字母、数字0到9、基本的标点符号以及一些控制字符（如换行、回车等）。由于其局限性，ASCII只能表示英文字母及相关符号，无法直接支持非拉丁字母或特殊语言符号。
GBK vs. ASCII
-
字符集规模
GBK包含了大量的中文字符，而ASCII只包含最基本的英文字符及控制字符。GBK通过双字节编码方式，能表示超过21,000个字符，远超ASCII的128个字符。
-
兼容性
GBK与ASCII不直接兼容。但是，在GBK编码中的低128个码位与ASCII相同，这意味着对于纯ASCII文本，GBK可以正确解析。
-
应用场景
GBK专为中文环境设计，而ASCII则适用于仅需要处理英文和基础符号的情况。
UTF-8 vs. ASCII
-
字符集规模
UTF-8是一种变长编码格式，能够表示Unicode标准中的所有字符，包括但不限于ASCII字符集。对于ASCII字符，UTF-8使用单字节编码，而对于其他字符，则可能使用两字节、三字节甚至四字节进行编码。
-
兼容性
UTF-8完全向后兼容ASCII。也就是说，任何有效的ASCII文本同时也是有效的UTF-8文本。这种设计使得UTF-8在处理英文内容时非常高效，并且易于从ASCII迁移至更广泛的字符集。
-
应用场景
UTF-8因其灵活性和广泛的适应性，成为互联网上最常用的编码方式。它不仅适合于多语言文本处理，也特别适合那些主要以英文为主的文档，因为这些文档几乎不需要额外的空间开销。
GBK vs. UTF-8
-
字符范围
GBK专注于中文字符的编码，而UTF-8可以表示几乎所有的世界文字。
-
编码长度
GBK中一个汉字固定为两个字节；而在UTF-8中，一个汉字通常需要三个字节。
-
兼容性
GBK与GB2312兼容，而UTF-8则更注重与ASCII字符的兼容性，这使得它在处理英文字符时更为高效。
-
应用场景
GBK主要用于中国大陆地区的一些传统系统或应用中，而UTF-8因其广泛的兼容性和适应性，成为国际化应用的首选编码方式。
选择哪种编码方式取决于具体的应用场景，例如如果你的应用主要面向国内用户且仅需处理中文内容，GBK可能是一个合适的选择。但是，为了确保更好的兼容性和未来扩展性，推荐使用UTF-8。
评论