【GiraKoo】常用编码的对比（ASCII，GB2312，GBK，GB18030，UCS，Unicode）

常用编码的对比（ASCII，GB2312，GBK，GB18030，UCS，Unicode）

在程序开发中，文字编码一直扮演着人畜无害，却背后捅一刀的角色。

• 可能在源代码文件中，注释莫名其妙地变成了乱码。
• 可能是发送给别人的文本，打开都是“锟斤拷”。
• 可能是从一个程序拷贝到另一个程序，莫名其妙的丢失内容。
• 可能是VS编译时，不停的提示“warning C4819: The file contains a character that cannot be represented in the current code page (936). Save the file in Unicode format to prevent data loss”
• 在某些字体下面，明明显示的很好的符号，更换字体就显示的乱七八糟。甚至直接是方框。

受限于早期系统设计的百花齐放，各大语言为了满足自己的需要发明了本国方言。

为了统一度量衡，Unicode应运而生。

但是即使是Unicode，也出现了UTF-8，UTF-16，UTF-32这样细分编码。

在B站上，有一个非常详细的字符编码讲解视频。其中涉及到编码的发展史，统一历程，以及锟斤拷这样的乱码究竟时怎么样产生的。非常推荐大家更加直观的了解Unicode编码是如何一统天下的。

有兴趣的可以移步观看。↓↓↓

锟斤拷�⊠是怎样炼成的——中文显示“⼊”门指南【柴知道】】

一、编码对比

1. ASCII

• 每个字以1个字节来组成。
• ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符。

2. GB2312 / GBK / GB18030 / Big5

• 简体使用GB2312最广
• 繁体使用Big5最广
• GB18030最全，基本兼容GBK。GBK完全兼容GB2312。

① GB2312

• 每个字以2个字节来组成。
• 共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。

② GBK

• 每个字以2个字节来组成。
• 共收录了21003个汉字，完全兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字。

③ GB18030

• 每个字可以由1个、2个或4个字节组成。
• GB18030-2005，以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余个。

④ Big5

• 每个字以2个字节来组成。
• 使用繁体中文（正体中文）社区中最常用的电脑汉字字符集标准，共收录13,060个汉字。

3. UCS

• 通用多八位编码字符集（Universal Multiple-Octet Coded Character Set）也叫通用字符集（Universal Character Set, UCS），是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。
• 由国际标准化组织（ISO）制定。

4. Unicode（UTF-8，UTF-16，UTF-32)

① 占用空间不同

• UTF-8，每个字可以由1个、2个或4个字节组成。占用空间小，适合传输。
• UTF-16，每个字可以由2个或4个字节组成。
• UTF-32，每个字可以由4个字节组成。占用空间大，存在浪费。

② 查找速度不同

• 由于UTF-8和UTF-16是变长编码。计算1000个文字的size需要遍历每一个字符进行计算。随机访问速度慢。
• UTF-32是固定长度编码。计算1000个文字的size，可以直接*4，随机访问速度快。

二、VS编码转换插件推荐

FileEncoding

该插件可以在文本编辑器右下角直接查看当前文件编码，点击更换可直接进行编码转换。非常方便。

安装路径：Visual Studio MarketPlace

三、参考资料

• 百度百科-ASCII
• 百度百科-信息交换用汉字编码字符集
• 百度百科-GBK
• 百度百科-GB18030
• 百度百科-UCS
• 百度百科-unicode