相信大家一定碰到過，打開某個網頁，卻顯示一堆像亂碼，如"б?ЯАзЪСЯ"、"?????????"？還記得HTTP中的Accept-Charset、Accept-Encoding、Accept-Language、Content-Encoding、Content-Language等消息頭字段？這些就是接下來我們要探討的。
1.基礎知識
計算機中儲存的信息都是用二進制數表示的；而我們在屏幕上看到的英文、漢字等字符是二進制數轉換之後的結果。通俗的說，按照何種規則將字符存儲在計算機中，如‘a‘用什麽表示，稱為"編碼"；反之，將存儲在計算機中的二進制數解析顯示出來，稱為"解碼"，如同密碼學中的加密和解密。在解碼過程中，如果使用了錯誤的解碼規則，則導致‘a‘解析成‘b‘或者亂碼。

字符集（Charset）：是一個系統支持的所有抽象字符的集合。字符是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等。

字符編碼（Character Encoding）：是一套法則，使用該法則能夠對自然語言的字符的一個集合（如字母表或音節表），與其他東西的一個集合（如號碼或電脈沖）進行配對。即在符號集合與數字系統之間建立對應關系，它是信息處理的一項基本技術。
通常人們用符號集合（一般情況下就是文字）來表達信息。而以計算機為基礎的信息處理系統則是利用元件（硬件）不同狀態的組合來存儲和處理信息的。元件不同狀態的組合能代表數字系統的數字，因此字符編碼就是將符號轉換為計算機可以接受的數字系統的數，稱為數字代碼。

2.常用字符集和字符編碼
常見字符集名稱：ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集等。計算機要準確的處理各種字符集文字，需要進行字符編碼，以便計算機能夠識別和存儲各種文字。

ASCII（American Standard Code for Information Interchange，美國信息交換標準代碼）是基於拉丁字母的一套電腦編碼系統。
ASCII字符集：主要包括控制字符（回車鍵、退格、換行鍵等）；可顯示字符（英文大小寫字符、阿拉伯數字和西文符號）
ASCII一開始使用7位(bit)表示一個字符，共123字符，但是不夠用，擴展用8位，一共256字符
ASCII的最大缺點是只能顯示26個基本拉丁字母、阿拉伯數目字和英式標點符號，因此只能用於顯示現代美國英語

3.GBXXXX字符集&編碼
天朝專家把那些127號之後的奇異符號們（即EASCII）取消掉，規定：一個小於127的字符的意義與原來相同，但兩個大於127的字符連在一起時，就表示一個漢字，前面的一個字節（他稱之為高字節）從0xA1用到 0xF7，後面一個字節（低字節）從0xA1到0xFE，這樣我們就可以組合出大約7000多個簡體漢字了。在這些編碼裏，還把數學符號、羅馬希臘的 字母、日文的假名們都編進去了，連在ASCII裏本來就有的數字、標點、字母都統統重新編了兩個字節長的編碼，
這就是常說的"全角"字符，而原來在127號以下的那些就叫"半角"字符了。

上述編碼規則就是GB2312。GB2312或GB2312-80是中國國家標準簡體中文字符集，全稱《信息交換用漢字編碼字符集·基本集》，又稱GB0，由中國國家標準總局發布，1981年5月1日實施。GB2312編碼通行於中國大陸

2.3. BIG5字符集&編碼
Big5，又稱為大五碼或五大碼，是使用繁體中文（正體中文）社區中最常用的電腦漢字字符集標準，共收錄13,060個漢字。

3.Unicode編碼：
由於計算機在世界各國興起之後，各國有自己的一套編碼語言，中國有類似GB-之類的，但是當各個國度的語言匯編到一塊的時候，就會出現不兼容，亂碼之類的。為了解決這個問題，一個偉大的創想產生了——Unicode。Unicode編碼系統為表達任意語言的任意字符而設計。它使用4字節的數字來表達每個字母、符號，或者表意文字(ideograph)。每個數字代表唯一的至少在某種語言中使用的符號。
在計算機科學領域中，Unicode（統一碼、萬國碼、單一碼、標準萬國碼）是業界的一種標準

非打印字符指在計算機中有一些字符是確確實實存在,但是它們不能夠顯示或者打印出來。
以ASCII碼表為例，ascii碼值在0-31的為控制字符，無法顯示和打印 有些 ASCII 字符是不可打印的。例如退格、另起一行、警報等。
能夠輸出的字符叫打印字符 例如:回車符就不是打印字符,它沒有對應的顯示圖像陣列
非打印字符:
1-31控制字符
0 字符串結束符
-1(255) EOF 文件結束符

控制字符，出現於特定的信息文本中，表示某一控制功能的字符。

從128 到255這一頁的字符集被稱”擴展字符集“

中國GB2312--》DBCS“（Double Byte Charecter Set 雙字節字符集）

UTF-8就是每次8個位傳輸數據，而UTF-16就是每次16個位。UTF-8就是在互聯網上使用最廣的一種unicode的實現方式，這是為傳輸而設計的編碼，並使編碼無國界，這樣就可以顯示全世界上所有文化的字符了。

很多的使用UTF-8編碼唯一的好處是，國外的用戶如果使用Windows XP英文版，瀏覽UTF-8編碼的任何網頁，無論是中文、還是日文、韓文、阿拉伯文，都可以正常顯示，UTF-8是世界通用的語言編碼，UTF-8的推廣要歸功於Google的應用，以及Blog開發者。

字符集和編碼