标签：

C#编程总结（九）字符编码 

相信大家一定遇到过乱码的问题，为什么会乱码呢？输出的数据怎么就跟输入的不一样呢？

最近在总结加密问题，也遇到了同样的困扰。所以今天来集中解决这个问题。

什么是字符？

字符是指计算机中使用的字母、数字、字和符号，包括：1、2、3、A、B、C、~！·#￥%……—*（）——+等等。

字符集（Charset）

字符集（Charset）是一个系统支持的所有抽象字符的集合。

字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。

什么是字符编码?

字符编码（Character Encoding）：简单的说就是建立自然语言与机器语言之间的对应关系。是一套法则，使用该法则能够对自然语言的字符的一个集合（如字母表或音节表），与其他东西的一个集合（如号码或电脉冲）进行配对。即在符号集合与数字系统之间建立对应关系，它是信息处理的一项基本技术。通常人们用符号集合（一般情况下就是文字）来表达信息。而以计算机为基础的信息处理系统则是利用元件（硬件）不同状态的组合来存储和处理信息的。元件不同状态的组合能代表数字系统的数字，因此字符编码就是将符号转换为计算机可以接受的数字系统的数，称为数字代码。 

计算机中的信息包括数据信息和控制信息，数据信息又可分为数值和非数值信息。非数值信息和控制信息包括了字母、各种控制符号、图形符号等，它们都以二进制编码方式存入计算机并得以处理，这种对字母和符号进行编码的二进制代码称为字符代码（Character Code）。计算机中常用的字符编码有ASCII码（美国标准信息交换码）和EBCDIC码（扩展的BCD交换码）。

在 ASCII 编码中，一个英文字母字符存储需要1个字节。在 GB 2312 编码或 GBK 编码中，一个汉字字符存储需要2个字节。在UTF-8编码中，一个英文字母字符存储需要1个字节，一个汉字字符储存需要3到4个字节。在UTF-16编码中，一个英文字母字符或一个汉字字符存储都需要2个字节（Unicode扩展区的一些汉字存储需要4个字节）。在UTF-32编码中，世界上任何字符的存储都需要4个字节。 

困扰与疑惑？

1、为什么会有字符编码？

含义介绍中已经给出了解释，字符编码就是让计算机识别自然语言。

2、为什么会有这么多的字符集？

计算机发展分不同阶段，最开始只是美国通用，建立了ASCII码，但是一些欧洲国家字符无法使用ASCII码，然后就对ASCII进行了扩展补充，后来中国要使用计算机，为了标记汉语，定义了GB2312、GBK、BIG5等，还有其他一些字符集。

3、就没有一种统一的字符集吗？

有，Unicode

4、UTF8与Unicode是什么关系？

UTF8是Unicode的一种实现方式。 

常用的几种编码 1. ASCII码

ASCII（American Standard Code for Information Interchange，美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统。

ASCII字符集：主要包括控制字符（回车键、退格、换行键等）；可显示字符（英文大小写字符、阿拉伯数字和西文符号）。

特点：单字节编码，只包含大小写英文字母、标点符号及其他符号。

ASCII编码：将ASCII字符集转换为计算机可以接受的数字系统的数的规则。使用7位（bits）表示一个字符，共128字符；但是7位编码的字符集只能支持128个字符，为了表示更多的欧洲常用字符对ASCII进行了扩展，ASCII扩展字符集使用8位（bits）表示一个字符，共256字符。

计算机为美国人发明，开始的时候也只能满足自己，所以说此编码很有局限性。在其他的国家、其他语种无法使用此编码集。

根据ASCII码的编码规则，最多只能标识256个字符，，但是世界上有那么多语言，汉字就多达10万左右，那么多字符，显然很有局限性。

以下是ASCII代码表，表二为其扩展表。

2、中文编码 2.1 GB2312

特点：简体中文字符集，采用双字节编码。

GB2312或GB2312-80是中国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，又称GB0，由中国国家标准总局发布，1981年5月1日实施。GB2312编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB2312。GB2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。 

2.2 GBK

特点：扩展了GB2312，包括非常用简体汉字、繁体字、日语及朝鲜汉字等。