文字编码遇到的一些概念：

字符集：文字的集合就称为字符集（Characterset）。字符集记录了如何用0和1的编码组合代表某一个文字。

字符集包括：ASCII字符集，就是由英文的大写字母、小写字母、数字及特定记号所组成的字符集。还有欧洲语言用的ISO8859，中文的GB2312等，和以表现多语言为目的的Unicode等字符集。

字符编码：字符集中，每个字符都分配一个编码，这称为字符编码。

文字编码方式：计算机上仅仅用整数值来表示文字编码的方式称为文字编码方式。

一个字符集可以对应多种编码方式，对于Unicode字符集，有UTF-8、UTF-16BE、UTF-16LE、UTF-32BE和UTF-32LE等编码方式。

严格来讲，文字编码是指分配给文字的数值，但在一般的对话中，使用文字编码这个词的时候，有时也包含字符集或文字编码方式等意思。

面向英语国家的ASCII字符集

ASCII码由7位二进制数构成，可以表现英文字母、数字和一些记号（$、&等），共128个字符。这带来的一个好处就是，对于通信单位的字节（８位）来说，可以省出1位，用于附加错误检测码。

走向英语以外的语言（欧洲篇）ISO8859

为了表现英语以外的欧洲语言，26个文字通常不够。于是就使用ASCII中没有使用的第8位来表现文字。第8位一用，就可以再表现128个文字。

但欧洲国家各国的字符也有所不同，于是就在ISO8859中定义了16种文字集。我们来感受一下：

走向英语以外的国家（中国篇）GB系列（非《程序世界》原书内容）

而世界上还有第三世界国家，他们的文字各不相同。如何用0和1的组合表示呢。于是各个国家就编制了各自的字符集。中国也是如此。目前大家经常遇到的就是gb2312，gbk，gb18030三个字符集。

GB 2312 或 GB 2312-80 是中国国家标准简体中文字符集，GB 2312 标准共收录 6763 个汉字。

GBK 即汉字内码扩展规范，GBK 共收入 21886 个汉字和图形符号。

GB 18030，全称：国家标准 GB 18030-2005《信息技术中文编码字符集》GB 18030 与 GB 2312-1980 和 GBK 兼容，共收录汉字70244个。

gb18030的编码方式：（随便看看就好）

GB 18030 编码是一二四字节变长编码。

• 单字节，其值从 0 到 0x7F，与 ASCII 编码兼容。

• 双字节，第一个字节的值从 0x81 到 0xFE，第二个字节的值从 0x40 到 0xFE（不包括0x7F），与 GBK 标准兼容。

• 四字节，第一个字节的值从 0x81 到 0xFE，第二个字节的值从 0x30 到 0x39，第三个字节从0x81 到 0xFE，第四个字节从 0x30 到 0x39。

走向大一统Unicode（非《程序世界》原书内容）

截止到本文时，现在最新的unicode标准是2017年制定的。包括136,690个字符。注意：现在，Unicode放弃了16位方式，而用21位来表示一个文字。现在Unicode的有效编码范围是0～0x10ffff，能够表示111万4111个文字。不管有多少字，这肯定够用了。

unicode的编码方式：

utf-16utf-32的编码方式目前已经没有任何价值了，不推荐使用。所以我们只介绍目前最为流行的utf-8编码方式：

• 第一字节第8位（最上位）不是ON的字节，表示1字节文字（ASCII的空间）。

• 只要看第一字节位的式样就能知道接下来还有几个字节，数数有几位是1就行了。

• 多字节文字的各个字节，除了第一字节以外，都以10开始（第8位是1，第7位是0）。即便不从字符串的先头开始扫描，也能知道构成这个文字的第一个字节在哪里。

• 采用以字节为单位的编码方式，没有字节顺序问题。

大小端存储模式：

最后我们补充一下字节顺序的问题，也就是所谓的大小端问题。相信你知道这个故事。

littleendian和bigendian这两个词，来源于英国讽刺作家斯威夫特所著的《格列佛游记》（1726年）。第一篇Lilliput国航行记中讲述，剥鸡蛋从尖的那一头开始剥的Lilliput国（littleendian）与从圆的那一头开始剥的Blefuscu国（bigendian）之间战争的故事。战争的原因在于剥鸡蛋的方法有分歧。

那么什么是大端模式和小端模式呢？

对于一个字节的内容，不存在大小端的问题。而如int，long等多字节表示一个内容的数据类型来说，是把数据的高字节包存在低地址还是高地址就有了分歧。

大端模式：是指数据的高字节保存在内存的低地址中，而数据的低字节保存在内存的高地址中。主要用于网络传输。

小端模式，是指数据的高字节保存在内存的高地址中，而数据的低字节保存在内存的低地址中。个人pc中主要是小端模式。

如何记忆呢？你就记变大了就拧巴了。

比如：0x12345678这个值。

在小端是的内存里是这样的：低地址端—78 56 34 12—高地址端

而在大端是这样的：低地址端—12 34 56 78—高地址端

下面是一个判断你的电脑的大小端的小段代码：