我们知道，计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。

字符编码是计算机技术的基石，想要熟练使用计算机，就必须懂得一点字符编码的知识。常见的字符编码方式有：ASCII、GB2312、GBK、GB18030、UTF8。 目前用的比较多的是GBK和UTF8（大多数网页采用的是UTF8编码，所以网页源码一般都有<meta charset="UTF-8">的标签）。

本文只讲字符编码。先通过字符编码的时间线，让大家对他们有个大体了解。然后具体说明一下每个编码出现的背景，原因，用途等。通过时间线的方法，也会帮忙你理解他们之间的关系。

以下是常见字符编码方法的时间线表示：

• 1963年：ASCII

  • 发明国家：美国
  • 发明人：Robert W. Bemer、John McCarthy等
  • 编码长度：8位
  • 原因：为了解决计算机之间数据互换的问题，需要制定一个统一的字符编码方案。
  • 主要用途：表示英文字母、数字、标点符号等基本字符。

• 1977年：Base64

  • 发明国家：美国
  • 发明人：Joseph L. Yarbrough
  • 编码长度：6位
  • 原因：二进制数据在不同系统之间传输时可能会出现乱码，需要一种编码方式将二进制数据转换为文本形式。
  • 主要用途：将二进制数据编码成文本，主要用于电子邮件、HTTP、MIME等协议中传输二进制数据。

• 1980年代初：GB2312

  • 发明国家：中国
  • 发明人：国家标准总局
  • 编码长度：16位
  • 原因：为了解决中国计算机之间中文数据互换的问题，需要制定
  • 主要用途：表示中文字符，是中文字符编码的一种。

• 1984年：Big5

  • 发明国家：台湾
  • 发明人：台湾计算机公司（TCA）
  • 编码长度：16位
  • 原因：为了解决台湾计算机之间繁体中文数据互换的问题，需要制定一个统一的字符编码方案。
  • 主要用途：表示繁体中文字符，广泛用于台湾等地。

• 1987年：ISO-8859-1（Latin-1）

  • 发明国家：国际标准化组织（ISO）
  • 发明人：ISO完成的。因此，并没有特定的个人被明确指定为ISO-8859-1的发明人
  • 编码长度：8位
  • 原因：为了满足西欧、拉丁美洲和东欧等多种语言的需求，需要一种新的字符编码方案。
  • 主要用途：表示西欧语言字符，是ISO-8859系列的一部分。
• 1991年：Unicode
  • 发明国家：美国
  • 发明人：Unicode联盟（Unicode Consortium）
  • 编码长度：取决于具体的编码方式，如UTF-8、UTF-16、UTF-32等
  • 原因：为了能够容纳世界上所有文字和符号，需要制定一个新的字符编码方案。
  • 主要用途：为解决字符集的全球化而设计，包含几乎所有世界上的字符，用于在计算机系统中表示文本。

• 1991年：UTF-16

  • 发明国家：美国
  • 发明人：Unicode联盟（Unicode Consortium）
  • 编码长度：16位
  • 主要用途：Unicode字符编码，包括辅助平面字符。

• 1992年：UTF-8

  • 发明国家：美国
  • 发明人：Kenneth Thompson、Rob Pike、Joe Darcy等
  • 编码长度：8位
  • 原因：为了提高Unicode的存储效率，需要一种更紧凑的编码方式。
  • 主要用途：Unicode字符编码，兼容ASCII，可变长表示字符。

• 1995年：GBK（Guo Biao Kangxi）

  • 发明国家：中国
  • 发明人：国家标准总局
  • 编码长度：16位
  • 原因：为了支持所有汉字，需要一种新的字符编码方案。GB2312无法表示所有汉字，需要一种新的字符编码方案来支持所有汉字。
  • 主要用途：中文字符编码，是GB2312的扩展，包含更多的汉字和符号，广泛用于中文环境中。

• 1996年：UTF-32

  • 发明国家：美国
  • 发明人：Unicode联盟（Unicode Consortium）
  • 编码长度：32位
  • 原因：Unicode可以使用多个字节来表示字符，在某些情况下会导致存储空间浪费。为了提高Unicode的存储效率，需要一种更紧凑的编码方式。
  • 主要用途：Unicode字符编码，UTF-32主要用于需要精确表示字符的场合。

• 2000年：GB18030

  • 发明国家： 中国
  • 发明人： 国家标准总局
  • 编码长度： 变长，可以是1、2、3、或4个字节
  • 原因：为了支持所有汉字，需要一种新的字符编码方案。GB2312和GBK无法表示所有汉字，需要一种新的字符编码方案来支持所有汉字。
  • 主要用途： 用于中文字符编码，是GB2312、GBK的扩展，支持更多的汉字和特殊字符。它也兼容Unicode。

PS: 

Base64并不是一个字符集或字符编码，而是一种编码方式，用于将二进制数据转换为可打印字符的文本表示。它并没有包含字符集的概念，而是将二进制数据表示为一组64个可打印的ASCII字符。

 

以下是这些字符集编码方法的比较：

字符集编码方法	特点	适用范围
ASCII	简单，兼容性好	英文文本
Unicode	通用，可以容纳世界上所有文字和符号	所有语言文本
UTF-8	通用，兼容性好，是目前使用最广泛的字符编码方案	所有语言文本
GB2312	简体中文	简体中文文本
GBK	简体中文，兼容GB2312	简体中文文本
Big5	繁体中文	繁体中文文本

编码的兼容性

编码之间的兼容性如下图所示[1]，国标GB编码和UTF8互相不兼容，这也就是为什么日常会看到文件的乱码：通过UTF8的编码方式打开国标GB编码的文件，或用国标GB的编码方式打开UTF8编码的文件。

ASCII编码几乎被世界上所有编码所兼容，除了UTF16和UTF32编码[1]。

注:当前文章会不定期进行更新。如果您对本文有更好的建议，有新资料推荐， 可以点击： 欢迎分享优秀网站 。