标签：一个人 字符编码 处理 数组 utf-8 符号 节省空间 nbsp sizeof
字符集指的是什么？
字符集是一个人为的规定，人们用一个小册子规定好“文字字符”与“数字”的对应关系。
其中，每一个字符对应的数组也称其为编码。
例如，ASCII码表就是一个字符集
char ‘A‘ = 65，A的编码为65
char ‘0‘ = 48，0的编码为48
字符集是由一些组织制定和发布的，如ISO/IEC就负责制定字符集。
每一个字符集都有一个标准编号，如ASCII字符集的编号为ISO/IEC 646。
【拉丁字符集（Latin）】
拉丁字符集：收录了欧洲各个国家的字符。例如，希腊字母， Α α， Β β
拉丁字符集的编号为ISO 8859系列
例如：ISO8859-1字符集，也就是 Latin-1，是西欧常用字符，包括德法两国的字母。
ISO8859-2字符集，也就是 Latin-2，收集了东欧字符。
注意：拉丁字符总数超过了256个，无法用一个char型表示，需要用2个字节。
所以即使不使用中文，外文字母的表示也有问题。
char a=‘α‘;//有问题
问题原因：无法用一个字节表示一个字符。
char str[]="α β";//五个字节存储->sizeof(str)
【中文字符集】
GB2312 中文简体国标码（汉字数：6763）
GBK 扩展中文GB编码（兼容GB2312）
GB18030 用1-4个字节编码，容量超大
BIG5 中文繁体编码
CJK 中日韩大字符集编码
Unicode 统一码，用0-0x10FFFF映射全球各国的语言文字。
【GB2312/GBK】
双字节编码，每个字节的高位为1
不包含生僻字
对于人名、古汉语等方面出现的罕见字，GB2312不能处理，这导致了后来GBK以及GB 18030汉字字符集的出现
GBK兼容了GB2312，较为常用。
【Unicode】
国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。
0-0x10FFFF（最多1114112个字符）
【问题】Unicode用几个字节来表示一个字符？
第一种方案：UFT-32编码
每个字符用一个int来表示
特点：简单，但太浪费空间
第二种方案:UTF-16编码
特点：用1-2个short来表示一个字符
第三种方案：UTF-8编码
用1-4个字节来表示一个字符（比较节省空间）
标签：一个人 字符编码 处理 数组 utf-8 符号 节省空间 nbsp sizeof
原文地址：http://www.cnblogs.com/void-m/p/6127035.html
