【2的7次方】计算机组成原理：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说一直是他们心中的痛，对于科班出身的同学来说，很多同学工作后也意识到了自己所学知识的不足和不足，想回头补充基础知识。(莎士比亚)。

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。

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。

拓展的ASCII码

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。