一、基礎概念
字節
這個是最基本的概念了，字節是計算存儲容量的一種計量單位。我們知道計算機只能識別1和0組成的二進制位。一個數就是1位（bit），爲了方便計算，我們規定8位就是一個字節。
例如 ：00001111 這個8位二進制數就佔了一個字節的存儲容量。
字符
字符和字節不太一樣，任何一個文字或符號都是一個字符，但所佔字節不一定，不同的編碼導致一個字符所佔的內存不同。
例如：標點符號+是一個字符，漢字我們是兩個字符，在GBK編碼中一個漢字佔2個字節，在UTF-8編碼中一個漢字佔3個字節。
隨着時代的發展，程序員們希望在計算機中顯示字符，但計算機只能識別0和1的二進制數。於是就有了編碼規範。
編碼規範
所謂字符集其實是一套編碼規範中的子概念，爲了顯示字符，國際組織就制定了編碼規範，希望使用不同的二進制數來表示代表不同的字符，這樣電腦就可以根據二進制數來顯示其對應的字符。我們通常就稱呼其爲XX編碼，XX字符集。
例如：GBK 編碼規範，根據這套編碼規範，計算機就可以在中文字符和二進制數之間相互轉換。而使用GBK編碼就可以使計算機顯示中文字符。
接下來爲大家介紹一下編碼規範裏的3個子概念。
字庫表
一套編碼規範不一定包含世界上所有的字符，每套編碼規範都有自己的使用場景。而字庫表就存儲了編碼規範中能顯示的所有字符，計算機就是根據二進制數從字庫表中找到字符然後顯示給用戶滴，相當於一個存儲字符的數據庫。
例如：幾乎所有漢字都保存在GBK 編碼規範的字庫表中。所以可以顯示漢字，但法語，俄語並不在其字庫表中，所以GBK不能顯示法語，俄語等不包含在其中的字符。
編碼字符集（字符集）
我們平時說的字符集就是這個。在一個字庫表中，每一個字符都有一個對應的二進制地址，而編碼字符集就是這些地址的集合。
例如：在ASCII碼的編碼字符集中，字母A的序號（地址）是65，65的二進制就是01000001。我們可以說編碼字符集就是用來存儲這些二進制數的。而這個二進制數就是編碼字符集中的一個元素，同時它也是字庫表中字母A的地址。我們根據這個地址就可以顯示出字母A。
結論：字符集和字庫表一一對應，相互轉換，這是電腦識別字符的關鍵。
字符編碼（編碼方式）
知道字庫表和編碼字符集後，我們就可以直接使用二進制地址來得到字符了。
但直接使用字符對應的二進制地址來顯示文字是十分浪費的，Unicode 編碼規範中包括了幾百萬個字符，想要包括幾百萬個不同的字符，起碼需要3個字節的容量，爲了方便將來擴展，Unicode還保留了更多未使用的空間，最多可以存儲4個字節的容量。
因此爲了區分每個字符，哪怕是00000000 00000000 00000000 00001111這種其實只佔了1個字節的字符，我們也要爲他分配4個字節的空間，這就導致一個可以用1G保存的文件，現在需要4G才能保存，這是極其浪費的做法。
於是程序員制定了一套算法來節省空間，而每種不同的算法都被稱作一種編碼方式（下文中爲了便於理解都將使用編碼方式來稱呼字符編碼）。一套編碼規範可以有多種不同的編碼方式，不同的編碼方式有不同的適應場景。
例如：UTF-8就是一種編碼方式，Unicode是一種編碼規範。此外，Unicode還有UTF-16,UTF-32這兩種編碼方式。不同的編碼方式節約的空間不同。
總結：一個較短的二進制數，通過一種編碼方式，轉換成編碼字符集中正常的地址，然後在字庫表中找到一個對應的字符，最終顯示給用戶。
至此，大家應該能夠清楚的知道，什麼是字符集了。
三、常見編碼規範簡單介紹
ASCII碼
ASCII碼，是最早產生的編碼規範，一共包含00000000~01111111共128個字符，可以表示阿拉伯數字和大小寫英文字母，以及一些簡單的符號。可以看出ASCII碼只需要1個字節的存儲空間，最高位爲0。後被稱爲（American Standard Code for Information Interchange，美國信息交換標準代碼）。它沒有特定的編碼方式，直接使用地址對應的二進制數來表示，非要說那就叫他ASCII 編碼方式。
GBK
GBK全稱《漢字內碼擴展規範》，支持國際標準ISO/IEC10646-1和國家標準GB13000-1中的全部中日韓漢字。GBK字符集中所有字符佔2個字節，不論中文英文都是2個字節。 沒有特殊的編碼方式，習慣稱呼GBK 編碼。一般在國內，漢字較多時使用。
ISO-8859-1
ISO-8859-1收錄的字符除ASCII收錄的字符外，還包括西歐語言、希臘語、泰語、阿拉伯語、希伯來語對應的文字符號。因爲ISO-8859-1編碼範圍使用了單字節內的所有空間，在支持ISO-8859-1的系統中傳輸和存儲其他任何編碼的字節流都不會被拋棄。換言之，把其他任何編碼的字節流當作ISO-8859-1編碼看待都沒有問題。這是個很重要的特性，MySQL數據庫默認編碼是Latin1就是利用了這個特性。ASCII編碼是一個7位的容器，ISO-8859-1編碼是一個8位的容器。
由此可見，ISO-8859-1只佔1個字節，且MySQL數據庫默認編碼就是ISO-8859-1，有時，tomcat服務器默認也是使用ISO-8859-1編碼，然而ISO-8859-1是不支持中文的，有時這就是在瀏覽器上顯示亂碼的原因。
Unicode
從以上幾種編碼規範可以看出，各種編碼規範互不兼容，且只能表示自己需要的字符，於是，國際標準化組織（ISO）決定製定一套全世界通用的編碼規範，這就是Unicode。
Unicode包含了全世界所有的字符。Unicode最多可以保存4個字節容量的字符。也就是說，要區分每個字符，每個字符的地址需要4個字節。這是十分浪費存儲空間的，於是，程序員就設計了幾種字符編碼方式，比如：UTF-8,UTF-16,UTF-32。
最廣爲程序員使用的就是UTF-8，UTF-8是一種變長字符編碼，注意：UTF-8不是編碼規範，而是編碼方式。我爲大家介紹一下UTF-8的編碼規則。
編碼規則表
| Unicode 十六進制碼點範圍 | UTF-8 二進制 |
|---|---|
| 0000 0000-0000 007F | 0xxxxxxx |
| 0000 0080-0000 07FF | 110xxxxx 10xxxxxx |
| 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
如上表所示，對於只需要1個字節的字符，UTF-8採用ASCII碼的編碼方式，最高位補0來表示。
例如：01000001我們就是用01000001來表示，對於一個字節的字符，其實就是直接使用地址表示。
而對於n個字節的字符（n>1），即大於一個字節的字符，採用第一個字節前n位補1。第n+1位填0，後面字節的前兩位一律設爲10。剩下的沒有提及的二進制位，全部爲這個符號的unicode碼。
例如：漢字嚴的Unicode碼是4E25轉換成二進制就是01001110 00100101共15位，根據上表可知使用UTF-8字符編碼後佔3個字節，因此前3位是1，第4位（n+1位）是0，後面兩個字節中每個字節的前兩位都是10,即1110 xxxx 10 xxxxxx 10xxxxxx。填充進去後就變成了1110 0100 10 111000 10 100101共計24位佔3個字節。
由此可見，英文在UTF-8字符編碼後只佔1個字節，中文佔了3個字節。
雖然UTF-8編碼沒有GBK編碼佔的空間小，但他勝在面向全世界，至於使用哪一種編碼還是取決於具體的使用環境。
四、編碼與解碼
解碼
一串二進制數，使用一種編碼方式，轉換成字符，這個過程我們稱之爲解碼。就像解開密碼一樣，程序員可以選用任意的編碼方式進行解碼，但往往只有一種編碼方式可以解開密碼顯示出正確的文字，而使用錯誤的編碼方式，產生其他不合理的字符，這就是我們通常說的————亂碼！
編碼
一串已經解碼後的字符，我們也可以選用任意類型的編碼方式重新轉換成一串二進制數，這個過程就是編碼，我們也可以稱之爲加密過程，無論使用哪一種編碼方式進行編碼，最終都是產生計算機可識別的二進制數，但如果編碼規範的字庫表不包含目標字符，則無法在字符集中找到對應的二進制數。這將導致不可逆的亂碼！ 例如：像ISO-8859-1的字庫表中不包含中文，因此哪怕將中文字符使用ISO-8859-1進行編碼，再使用ISO-8859-1進行解碼，也無法顯示出正確的中文字符。
以上，大家就能明白了，亂碼就是編碼和解碼使用的編碼方式不一致，或者編碼時其字庫表中不包含相應字符所導致的結果。
五、使用場景
在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換爲UTF-8編碼。
文件讀取
從文件中讀取 UTF-8 字符被轉換成Unicode字符到內存中，編輯完成後，保存的時候再把Unicode轉換成UTF-8編碼。
網頁傳輸
瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換爲UTF-8格式再傳輸到瀏覽器上。
