能否詳細介紹一下字元編碼的發展歷史？

1樓：冰山一角

我來說兩句

各國語言的符號，都是字元，那麼所有字元集合叫做字符集

計算機儲存字元使用數字來進行對映，這麼過程就叫做字元編碼

相應的：解碼 ==>把儲存的數字解釋成字元

那麼很顯然了，剛開始只需要儲存英文本元，數字，一些特殊符號，於是ANSI(美國國家標準協會)制定了標準：是 ASCII 字符集（Character Set），也稱 ASCII 碼。解碼過程其實就是查表過程，甚至直接把ANSII寫入唯讀儲存器，加快查詢速度。

注意，ANSII編碼和ANSI編碼不一樣，後面後說ANSI編碼

ANSII只編碼了128個字元（只使用了0x00~0x7F），X86支援使用擴充套件的ANSII碼，所以就有人打後128個字元的主意，這128個字元各個廠商編碼不同，所以就產生了很多種編碼方式。這就是OEM編碼

計算機在亞洲使用的時候，就不能只是使用ANSII規定的256個字元了，為了相容ANSII編碼，產生了多字元編碼集。例如中國的GBK編碼（由GB2312擴充套件而來）。

這時候美國ASNI組織制定了ANSI 標準字元編碼（不是ANSII），指定各個地區/語言的編碼方式。（各個國家也有自己的標準，比如中國的GBK）。作業系統通常預裝各個地區的字符集，比如用GBK寫的文件在中國大陸上都能傳播。

（注意，我們現在通常說到 ANSI 編碼，通常指的是平台的預設編碼，例如英文作業系統中是 ISO-8859-1，中文系統是 GBK)

這也解釋的通，因為ANSI就是指定了預設平台的編碼，現在說ANSI編碼意思就是預設平台的標準編碼。

例如這只要知道了文件的編碼方式，我們就能在一台機器中查閱不同語言的文件，但是無法實現在同乙個文件種使用不同國家的語言，這就需要統一字元編碼。於是Unicode應運而生，Unicode把所有現在出現的字元，給定乙個編號。

Unicode 劃分為17個層面，每個層面有2^16 個字元，那麼使用定長編碼必然是三個位元組對應乙個字元，如果編碼英文，前兩個位元組不使用，會非常浪費空間。

於是Unicode只規定了字符集，沒有規定編碼方式，如今使用最廣的方式是UTF-8編碼，這是一種不定長的編碼（學過哈夫曼編碼的都知道吧），從Unicode轉為utf-8需要相應的演算法。

這樣就清楚了，Unicode規定字符集，對每個字元規定乙個編號，具體儲存成什麼樣位元組流（文件被編碼後產生的位元流）取決於編碼方案。

當我們說Unicode編碼時候，只是一系列編碼方案統稱（utf-8、utf-16）

P.S. 隨手搜了一下，常見的charset有

CharSet 有：GBK、GB2312、US-ASCII、ISO-8859-1、UTF-8、UTF-16BE、UTF-16LE、UTF-16

收藏的圖：

再次補充：其實現在開發都是統一了編碼格式，但是web開發依然會後討厭的編碼問題。建議隨時見到都記錄下來解決方案。

亂碼的根本原因就是使用錯誤的字元編碼方式解碼位元組流，遇到亂碼問題必須清醒的知道當前的編碼方式是什麼，位元組流的編碼方式是什麼。

2樓：劉松泉

ANSI 不是一種具體的編碼，而是對一些遺留編碼的統稱。

這個就要從 ASCII 開始講起了……

各種遺留編碼，基本上都是在 ASCII 的基礎上擴充。

Unicode 並不是編碼，而是字符集。各 UTF 則是表示 Unicode 的編碼方法……

有乙個特殊的 UTF，是 GB 18030，這是在遺留編碼上的擴充。