本文从kazenoyumechen.wordpress.com上迁移过来
相信大家也有過這樣的經歷，當使用編輯器打開別人的文件時，顯示出來的文件內容是不可讀的。在網上查閱一陣資料瞎搗鼓後，發現只需在編輯器中設置編碼格式之後，文章的內容便會正確顯示了。其實上述問題只是一個簡單的字符編碼解碼問題，爲了解釋清楚這個問題，我們先來看看編碼與解碼兩者的定義。
- 字符集：由多個字符組成的集合。如西文‘a’-’z’所構成的集合是一個字符集，由所有漢字字符所組成的集合也是一個字符集。
- 字符編碼（Character Encode）：將字符集中所有元素均轉換爲另一種便與計算機存儲的格式（比特模式，電脈衝）。
- 字符解碼（Character Decode）：將計算機中存儲的數據轉換爲人可讀的數據格式。
當用戶編寫完一系列的文檔並希望存儲在操作系統時，操作系統會將用戶所輸入的字符先轉換到計算機可讀的編碼格式（字符編碼）。用戶需要讀取該文件時，系統會將該文件中的數據轉換爲人可讀的數據（字符解碼）。
當讀者讀到這裏的時候，可能會問，計算機並不能表示非比特模式的數據啊，那麼人在讀數據的時候也是讀到二進制的數據，這數據又怎麼可讀呢？其實在系統內部，存在着字體庫（Font）。我們所看到的文字其實是數據經過字體庫轉換顯示而成的。字體庫中的字體通常是由像素點所表示而成的，當像素點顯示到屏幕上時，我們自然可以把字體辨認出來了。
目前，在中國大陸地區，常見的字符編碼格式有：
- ASCII：全稱爲American Standard Code for Information Interchange，只能表示128個字符集。其中包含’a’-‘z’，’A’-‘Z’和’0‘-’9‘。該編碼格式是最古老的編碼格式。在1960年時，計算機只在使用英文的國家中流行。爲了解決不同計算機中存儲格式不一致的問題，委員會制定了ASCII格式。後來由於計算機的推廣，他們不得不考慮不同國家中不同文字編碼格式的問題。
- GB2312：中華人民共和國國家標準簡體中文字符集，1981年開始實施。該收錄漢字覆蓋了中國大陸漢字99.75%的使用頻率，但並不能表示某些人名或古漢字，導致後來出現了它的改進版本，GBK和GB18030。 GBK：GBK是GB2312的擴展，1993年推出。
- UNICODE：萬國碼，它對世界上大部分文字進行了整理和編碼。不同語言的數據在遵守此規範的情況下可以很容易地進行交換。每個字符在計算機中表示均使用兩個字節進行表示，總共可表示65536個字符。然而，由於其格式，使得它存儲效率非常低下。UNICODE只是一種規範，在不同平臺上有不同的實現。
- UTF-8：針對UNICODE的可變長度編碼，UNICODE的一種實現。該編碼格式可以用來表示UNICODE中的任意字符，同時該編碼方式也與ASCII兼容。這是目前在計算機中最爲常用的編碼格式。同時還存在UTF-16,UTF-32的編碼格式。
- GB18030：與GBK基本兼容，同時收錄了UNICODE的所有漢字字符，共收錄漢字字符70244個。目前在中華人民共和國內強制實行，所有軟件制品都需要支持該編碼格式。
參考資料：