编程必备基础知识|计算机组成原理篇(06)：计算机的字符与编码集

计算机基础方面的知识，对于一些非科班出身的同学来讲，一直是他们心中的痛，而对于科班出身的同学，很多同学在工作之后，也意识到自身所学知识的不足与欠缺，想回头补补基础知识。关于计算机基础的课程很多，内容繁杂，但无论是相关书籍还是大学课程，都有点脱离工作。特别地，计算机基础知识体系庞杂，想要从零学习或者复习都耗时耗力。

有鉴于此，本系列文章将带你更快的补足编程必备基础知识，涵盖计算机领域三大基础知识：计算机组成原理、操作系统、计算机网络，这些都是大学计算机课程里面最重要的内容。文章对这些内容做了提炼和总结，摒弃了作为程序员不需要掌握的知识。

目的是：

• 帮助大家形成计算机知识的结构体系
• 帮助大家理解计算机底层原理
• 帮助大家在工作实践中借鉴其中的优秀设计

本篇是计算机组成原理之计算机的字符与编码集。

欢迎关注、转发、收藏、评论

字符编码集的历史

ascii码

对于ascii码，相信大家在平时的学习、工作中都有所了解。

ascii码，英文全称为：american standard code for information interchange，翻译过来就是：美国信息交换标准代码，是我们平常常用的一种编码。那它是怎么来的呢？

在计算机中，所有的数据在存储和运算时都要使用二进制数表示（因为计算机用高电平和低电平分别表示1和0），例如，像a、b、c、d这样的52个字母（包括大写）以及0、1等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪些二进制数字表示哪个符号，当然每个人都可以约定自己的一套（这就叫编码），假如，对于字符a，比尔盖茨想用0001来表示，而乔布斯想用0010来表示，那么他们在沟通交流的时候谁都无法理解对方的语言。因此，为了计算机能够互相通信而不造成混乱，就必须使用相同的编码规则，于是美国有关的标准化组织就出台了ascii编码，统一规定了上述常用符号用哪些二进制数来表示。

标准ascii码也叫基础ascii码，使用7个比特位来表示所有的大写和小写字母，数字0到9、标点符号，以及在美式英语中使用的特殊控制字符，共定义了128（2的7次方）个字符。

下面我们通过一张表来了解部分ascii码。

表中列出了常见字符的ascii码，如：字母a表示为01100001、字符（不是数字哦~）1表示为00110001... ...

在计算机的早期，ascii码就能满足特定人群的使用了，但是，随着计算机的发展以及计算机的普遍性，ascii码逐渐不能满足人们的使用需求，比如一些数学符号以及一些国家的符号都无法表示。于是，人们对ascii码进行了扩充，用8个比特位来表示一个字符，这就是拓展的ascii码，拓展的ascii码能表示256个字符。

extended ascii码

如下图，是拓展的ascii码表。

这里面包括了常见的数学运算符、带音标的欧洲字符以及其他常用符号、表格符号等。使用了拓展的ascii码极大的补充了原来的码表，使得计算机能表达的内容越来越丰富。

字符编码集的国际化

随着计算机的进一步发展，越来越多的国家加入到了使用计算机的行列中，对字符编码集的要求也越来越高。对于欧洲、中亚、东亚、拉丁美洲等国家来说，它们的语言丰富多样，体系不一样，不以有限字符为组合，尤其以中国、韩国、日本等的语言最为复杂，ascii码表根本无法表达这些语言，这就迫切需要使用新的编码集，也就是字符编码集的国际化。

中文编码集

gb2312

gb2312是1980年制定的中国汉字编码国家标准，是我国最早最完备的一个编码集，一共收录了7445个字符，包括6763个汉字和682个其他字符，一个汉字占用两个字节。

gbk

由于gb2312不符合国际标准，中国的科学家在1995年推出了第二套完备的编码集——gbk，gbk向下兼容gb2312，向上支持国际iso标准，收录了21003个汉字，支持全部中日韩汉字。

gb2312和gbk都是比较完备的编码集，但是，它们只是一个本地化的编码，在中国使用是没问题的，但要跨国使用就有问题了。举个例子，一个中国人开发了一个网站，一个外国友人访问了这个网站，如果他们本地没有安装gb2312编码集或gbk编码集的话， 那么他们在访问网站网页的时候看到的会是乱码。因此，就需要一个全球统一的编码规范。

unicode

为了统一所有文字的编码，unicode应运而生。unicode是一个兼容全球的字符集，定义了世界通用的符号集，可以表达全世界所有的文字和字符。unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

我们平时用的utf-8是其中一个编码规则，它以字节为单位对unicode进行编码，平常写代码的时候都是推荐使用utf-8编码。中文windows操作系统默认使用gbk编码，因此，使用ide编程时通常要设置成utf-8编码。

end