计算机有多种的字符编码标准，一般来说字符编码标准又可以分成编码方式与字符集。编码方式通过字符集中的每个字符所对应的唯一确定的值，然后转换成一个二进制序列供计算机使用。不同的编码方式可能会影响一个字符的字节长度，从而影响整个文件的大小。

使用不同的编码方式去读取一个文件，可能会出现乱码的现象，之所以说是“可能会出现”，是因为大多数字符集的前128位都继承了 ASCII，所以大小写英文字母和数字、以及一些经常使用的符号的编码结果基本上是一样的，这时候一般不会发生乱码现象。但是如中文符号等，因为不同的编码方式所使用的字符集不一样，所以就会出现乱码现象，可能一个字符在一个字符集中是一个意思，而在另一个字符集中却代表另一个意思。除此之外，编码所使用的字节长度上的不同策略也会造成乱码现象，比如说 UTF-8 分别可以使用一个、两个、三个或四个字节来编码一个字符，而 UTF-16 却只能使用两个、或四个字节来编码字符，所以可能一个字符在 UTF-8 中只需要一个字节来表示，但是使用 UTF-16 来解码的话，它可能读取两个字节来解析，所以这时候字符所代表的意思就发生了变化，也就造成乱码的现象。

什么是字符集（character set）

简单来说，字符集就是一系列可以被计算机硬件或软件所识别的字符的集合，在这个集合中的每一个字符都有一个唯一确定的值。

比如说最常见的 ASCII，此字符集中一共有128个字符，每一个字符都有一个唯一确定的值，例如 A 在 ASCII 中的值为 65，a 在 ASCII 中的值为 97.

什么是字符编码（character encoding）

计算机是无法直接显示或者存储字符的，它只能识别二进制数值。

所以字符编码（character encoding）就用来告诉计算机某个字符的二进制数值是多少（字符编码因不同的字符集而不同）。例如，可以简单认为 Unicode 为一个字符集，而 UTF-8、UTF-16 与 UTF-32 就是 Unicode 的字符编码方式。

在字符编码中，code point（代码点，有时也称之为 code position）指的就是一个字符在某个字符集中唯一确定的值。

什么是 ASCII 

ASCII即 American Standard Code for Information Interchange （美国信息交换标准代码）。

这里就出现了一个问题，ASCII 是一个字符集呢，还是一个字符编码呢？ 

在 Wikipedia 上对于 ASCII 的定义为：" is a character encoding standard for electronic communication. " 它指出 ASCII 是一个用于电子通讯的字符编码标准。我更倾向于认为 ASCII 就是一套标准，它包含了编码部分与字符集部分，当然单纯地认为 ASCII 是一个字符集或者是一个字符编码也都可行，只要语境正确，能正确表达此时指的是字符集部分还是编码行为就行。

ASCII 字符长度为一个字节，但是它只用了 7-bit，也就是能表示128种符号（范围为0~127），其中0~31和值127指的是控制字符（control character），所谓控制符号就是不可在显示屏上显示的符号，它代表着某一种动作，例如值26所表示的 SUB 即代表 Ctrl+Z 的行为。除控制字符之外，其余的字符都为可显示字符（printable character）。

你可以使用 &#decimal_value （采用十进制的值）和 &#hex_value （采用十六进制的值）两种格式来将相对应的 ASCII 字符显示在网页上。例如 A 在 ASCII 中的值为 65，所以，你可以分别使用 A  或者 &#x41  来将 A 显示在HTML页面上。

因为其他字符编码标准，如 ANSI、ISO 8859-1、GBK 或者Unicode 等，其0~127也都采用了与ASCII一样的值，所以可以认为ASCII是其他字符编码标准的基础。

什么是 ANSI 

ANSI 原意为 American National Standards Institute（美国国家标准协会），但是在计算机技术中，它经常被用来代表一系列的字符集，因为它没有固定的字符集，因此也没有固定的编码方式。

ANSI 字符的长度为一个字节，其前 0~127 的值与 ASCII 一致，剩下的128个字符取决于要使用哪一种扩展，通常这个扩展取决于系统默认的 locale（即本地化，如不同国家支持不同的文字） 或者 codepage （即与特定字符集相关联的字符编码），这就解释了为什么 ANSI 没有固定的字符集。很多情况下会把 ANSI 称为 Windows-1252。

什么是 ISO 8859-1

ISO 8859-1 也是一种编码标准，它是由 ECMA（European Computer Manufacturers Association，欧洲计算机制造联合会）所开发的。

ISO 8859-1 的长度也为一个字节，其前 0~127 的值也与 ASCII 一致，剩下的128个字符大多是欧洲语言所使用的字符，所以可以认为 ISO 8859-1 就是为欧洲语言所定制的一套编码标准。一般来说，ISO 8859-1 也被称为 Latin 1。

什么是 GBK 

GBK，即“国家标准扩展”的缩写，很明显它是我们国家的国标。

同样，GBK 也兼容 ASCII ，GBK 字符的长度为一个字节或两个字节，当字符的值与 ASCII 的值相同的话（即前128个字符），长度为一个字节，其余的字符为两个字节。

GBK 是 GB2312 字符集（主要为简体中文）的扩展，如今，它不仅可以用来支持简体中文，还支持繁体中文、日文等其他文字。

什么是 Unicode 及什么是 UTF（UTF-8、UTF-16 和 UTF-32）

Unicode是一套统一的标准，包括对于文字的统一表示、编码和处理。其的出现就是为了解决 ANSI 、ISO 8859-1 和 GBK 及其他编码系统之间的互不兼容的问题。

Unicode 的编码系统最初所支持的是固定的16位（2个字节），即 U+0000 到 U+FFFF。但是现在为了支持更多的字符，编码的长度已经变成了 U+0000 到 U+10FFFF，这时候所支持的字符数量已经超过了一百万，那些值超过 U+FFFF 的字符又被称为 Supplementary（补充）。

Unicode 有多种的 encoding schemes（即编码方案），即所谓的 UTF（包括 UTF-8、UTF-16 和 UTF-32），此 encoding schemes 设计两方面的问题：1、一个字符需要使用几个字节来表示；2、怎样将每个字符所对应的值映射成二进制形式。

UTF，即 Unicode Transformation Format（Unicode 转换格式），每一种 UTF 都定义了一个算法用来映射每一个 Unicode 的 code point （即代码点，即每一个 Unicode 字符所对应的唯一值）成唯一的二进制序列。

UTF 通常分为：UTF-8、UTF-16 和 UTF-32 

UTF-8：最经常使用的UTF encoding scheme，它使用一个、两个、三个或四个字节来编码字符，像与 ASCII 相同的字符就使用一个字节。它的其中一个优点就是可以减少文件的大小，例如，在大多数情况下，它可以比 UTF-16 少使用 1.5 倍的空间。

UTF-16：它使用两个或者四个字节来编码字符，在 Java 的内部处理中，就是使用 UTF-16 来编码，这样的其中一个好处就是可以提高运行处理效率，因为它相对于 UTF-8 来说，它的字符长度不是两个字符就是四个字符，而 UTF-8 的字符长度变化太大，减少文件大小的代价就是降低处理效率。

UTF-32：它使用固定的四个字节来编码字符。

在 UTF 中还有一个概念，即 BOM（byte order mark，字节顺序标记）。通常情况下，一个文件可能在开头的时候就会带有 BOM，帮助 reader（读取器）检测当前文件使用的是哪一种 Unicode encoding schemes。

• UTF-8 的 BOM ：EF BB BF
• UTF-16 的 BOM：FE FF
• UTF-32 的 BOM：00 00 FE FF

注意：BOM 所使用到的字符也被计算在文件大小内

最后，希望这篇文章能带给你点启发，Have Fun！