通用字符编码

ASCII

诞生于 20 世纪 60 年代，最基础的单字节编码，主要用于显示现代英语。

使用 7 位二进制来表示一个字符，共能表示 128 个字符（包括大小写字母、数字和控制字符）。

无法表示中文、日文等非英语国家的文字。

使用场景：底层计算机系统与协议

iso-8859-1（Latin-1）

前 128 个字符（0x00 - 0x7F）与 ASCII 完全一致，涵盖了基础英文、数字和控制字符。利用了字节中原本闲置的最高位（第 8 位），将编码范围从 ASCII 的 128 个扩展到了 256 个（0x00 - 0xFF）。

在早期的 HTTP 1.1 协议规范中，如果没有明确指定字符集，默认就会被认为是 ISO-8859-1。随着 UTF-8 的全面普及，ISO-8859-1 已经逐渐退居二线，主要存在于旧的遗留系统、早期的电子邮件附件或特定的数据库配置中。

使用场景：早期互联网

Unicode

为了解决各国编码不通导致的“乱码”问题而设计的万国码，全球统一的“字符集”。

为世界上每一种语言的每一个字符都设定了唯一的码点。

Unicode 本身只是一张“清单”，规定了某个字符对应哪个数字，但并没有规定这个数字在计算机里具体怎么存（即没有规定占用几个字节）。

使用场景：全球化软件

UTF-8

最流行的“实现方式”，是 Unicode 的一种针对传输和存储的压缩优化实现。

UTF-8是一种变长编码。对于简单的英文字母，它只用 1 个字节（完全兼容 ASCII）。对于汉字，通常使用 3 个字节。

UTF-8在节约空间的同时，解决了全球字符的显示问题，是目前互联网上使用最广泛的编码方式。

使用场景：现代互联网网页、各类编程语言默认编码

中国字符编码

GB2312

1980 年发布，是中国制定的第一个汉字编码标准。为双字节编码。为了兼容 ASCII，它规定：如果一个字节的值小于 127，则按 ASCII 处理；如果大于 127，则将连续的两个字节组合起来表示一个汉字。

包含 6763 个汉字，分为一级汉字（常用）和二级汉字（不常用）。此外还包含拉丁字母、希腊字母、日文假名及数学符号等。由于收录字数较少，许多人名、地名、古籍中的生僻字以及繁体字无法显示。

使用场景：早期中文操作系统与软件

GBK

1995 年发布，“K”代表“扩展”。为解决 GB2312 字数不足的问题而制定，且完全向下兼容 GB2312。

GBK 利用了 GB2312 中未使用的编码空间，极大地扩充了字符量。 包含 21003 个汉字，涵盖了绝大多数生僻字、繁体字，甚至收录了部分日文和韩文中的汉字。

使用场景：Windows 中文版长期默认编码

GB18030

2000 年发布，2022 年更新，不仅包含前两者的所有字符，还增加了少数民族文字，并且是强制性的国家标准，在逻辑上兼容 Unicode。

使用场景：中国大陆政府、金融、电信等强合规行业系统

日本字符编码

Shift-JIS

由微软等公司开发。利用了 ASCII 码中未使用的空间来存放日文，不需要转义序列，曾是 Windows 系统在日本的主流编码。

Shift-JIS 是一种变长编码，根据字符的不同使用不同长度的字节：

• 单字节：完全兼容 ASCII 码，包含半角假名，范围通常在 0xA1 到 0xDF 之间。
• 双字节：用于表示日文汉字和全角假名。第一字节（高位字节）通常在 0x81-0x9F 或 0xE0-0xFC 范围内。第二字节（低位字节）则避开了某些控制字符位，确保了数据传输的稳定性。

使用场景：日本本地 Windows 软件与网页