本文背景：
本人在程式設計時需要匹配字串，由此想到了如果檔案是各種字元編碼的話，匹配結果有可能不正確，那麼，如何判斷不同的字符集？如何在不同字符集之間做轉換？對於unicode編碼逐漸通用的情況下，我們軟體人員如何從容應對？ 本文首先對常用字符集進行總結，然後在字符集的顯示及轉換上以例項介紹，最後總結了程式設計中遇到的編碼問題。
本文目的：
對字符集編碼做詳細介紹，關鍵配以例項講解，降低問題的複雜度。
本文內容：
1. 常用字符集分類
1.1 簡介
· ascii及其擴充套件字符集
作用：表語英語及西歐語言。
位數：ascii是用7位表示的，能表示128個字元；其擴充套件使用8位表示，表示256個字元。
範圍：ascii從00到7f，擴充套件從00到ff。
· iso-8859-1字符集
作用：擴充套件ascii，表示西歐、希臘語等。
位數：8位，
範圍：從00到ff，相容ascii字符集。
· gb2312字符集
作用：國家簡體中文字符集，相容ascii。
位數：使用2個位元組表示，能表示7445個符號，包括6763個漢字，幾乎覆蓋所有高頻率漢字。
範圍：高位元組從a1到f7, 低位元組從a1到fe。將高位元組和低位元組分別加上0xa0即可得到編碼。
· big5字符集
作用：統一繁體字編碼。
位數：使用2個位元組表示，表示13053個漢字。
範圍：高位元組從a1到f9，低位元組從40到7e，a1到fe。
· gbk字符集
作用：它是gb2312的擴充套件，加入對繁體字的支援，相容gb2312。
位數：使用2個位元組表示，可表示21886個字元。
範圍：高位元組從81到fe，低位元組從40到fe。
· gb18030字符集
作用：它解決了中文、日文、朝鮮語等的編碼，相容gbk。
位數：它採用變位元組表示(1 ascii，2，4位元組)。可表示27484個文字。
範圍：1位元組從00到7f; 2位元組高位元組從81到fe，低位元組從40到7e和80到fe；4位元組第一三位元組從81到fe，第二四位元組從30到39。
· ucs字符集
作用：國際標準 iso 10646 定義了通用字符集 (universal character set)。它是與unicode同類的組織，ucs-2和unicode相容。
位數：它有ucs-2和ucs-4兩種格式，分別是2位元組和4位元組。
範圍：目前，ucs-4只是在ucs-2前面加了0x0000。
· unicode字符集
作用：為世界650種語言進行統一編碼，相容iso-8859-1。
位數：unicode字符集有多個編碼方式，分別是utf-8，utf-16和utf-32。
utf-8：採用變長位元組 (1 ascii, 2 希臘字母, 3 漢字, 4 平面符號) 表示，網路傳輸, 即使錯了乙個位元組，不影響其他位元組，而雙位元組只要乙個錯了，其他也錯了，具體如下：
如果只有乙個位元組則其最高二進位制位為0；如果是多位元組，其第乙個位元組從最高位開始，連續的二進位制位值為1的個數決定了其編碼的位元組數，其餘各位元組均以10開頭。utf-8最多可用到6個位元組。
utf-16：採用2位元組，unicode中不同部分的字元都同樣基於現有的標準。這是為了便於轉換。從 0x0000到0x007f是ascii字元，從0x0080到0x00ff是iso-8859-1對ascii的擴充套件。希臘字母表使用從0x0370到0x03ff 的**，斯拉夫語使用從0x0400到0x04ff的**，美國使用從0x0530到0x058f的**，希伯來語使用從0x0590到0x05ff的代 碼。中國、日本和南韓的象形文本（總稱為cjk）占用了從0x3000到0x9fff的**；
由於0x00在c語言及作業系統檔名等中有特殊意義，故很多情況下需要utf-8編碼儲存文字，去掉這個0x00。舉例如下：
utf-16: 0x0080 = 0000 0000 1000 0000
utf-8: 0xc280 = 1100 0010 1000 0000
utf-32：採用4位元組。
優缺點：
· utf-8、utf-16和utf-32都可以表示有效編碼空間 (u+000000-u+10ffff) 內的所有unicode字元。
· 使用utf-8編碼時ascii字元只佔1個位元組，儲存效率比較高，適用於拉丁字元較多的場合以節省空間。
· 對於大多數非拉丁字元（如中文和日文）來說，utf-16所需儲存空間最小，每個字元只佔2個位元組。
· windows nt核心是unicode（utf-16），採用utf-16編碼在呼叫系統api時無需轉換，處理速度也比較快。
· 採用utf-16和utf-32會有big endian和little endian之分，而utf-8則沒有位元組順序問題，所以utf-8適合傳輸和通訊。
· utf-32採用4位元組編碼，一方面處理速度比較快，但另一方面也浪費了大量空間，影響傳輸速度，因而很少使用。
1.2 按所表示的文字分類
語言 字符集 正式名稱
英語、西歐語 ascii，iso-8859-1 mbcs 多位元組
簡體中文 gb2312 mbcs 多位元組
正體中文 big5 mbcs 多位元組
簡繁中文 gbk mbcs 多位元組
中文、日文及朝鮮語 gb18030 mbcs 多位元組
各國語言 unicode，ucs dbcs 寬位元組
字符集編碼的轉換
在程式設計的時候，往往需要字符集間編碼的轉換，這就需要用到乙個函式，它就是iconv函式。iconv不是php的預設函式，需要先安裝後才能用。如果是在windows環境下，可以修改php.ini檔案，將extension php iconv.dll前的 去掉。關於如何使用，這裡可以舉個例子。如下 i...
各種字符集和編碼詳解
在計算機中，所有的資料在儲存和運算時都要使用二進位制數表示 因為計算機用高電平和低電平分別表示1和0 例如，像a b c d這樣的52個字母 包括大寫 以及0 1等數字還有一些常用的符號 例如 等 在計算機中儲存時也要使用二進位制數來表示，而具體用哪些二進位制數字表示哪個符號，當然每個人都可以約定自...
字符集編碼轉換輕鬆實現
在linux上進行編碼轉換時,既可以利用iconv函式族程式設計實現,也可以利用iconv命令來實現,只不過後者是針對檔案的,即將指定檔案從一種編碼轉換為另一種編碼。iconv函式族的標頭檔案是iconv.h,使用前需包含之。include iconv函式族有三個函式,原型如下 1 iconv t ...