我真的在努力提高自己的技能。我对国际化概念这样的东西有一定的实用经验，但是我需要更好地了解背后的理论知识。
我已经阅读了Spolsky的文章，但我仍然不清楚，因为这三个术语经常会被混淆使用，即使在那篇文章中也是如此。我认为其中至少两个是在谈论同一件事情。
我怀疑很多开发者每天都在应对这些问题而匆忙通过，但我不想再成为那些开发者之一。
5个回答
53
一个“字符集”就是一个明确定义的不同字符列表。
“编码”是一个字符集（今天通常是Unicode）和（通常是基于字节的）技术表示之间的映射。
UTF-8是一种编码，但不是一个字符集。它是Unicode字符集的编码(*)
这种混淆是因为大多数其他知名的编码（例如：ISO-8859-1）最初作为单独的字符集出现。然后，当Unicode作为大多数这些字符集的超集出现时，将它们视为同一（Unicode）字符集的不同（但部分）编码变得可能，而不仅仅是孤立的字符集。以这种方式查看它们允许您通过Unicode轻松地在它们之间进行转换，如果它们只是孤立的字符集，这是不可能的。但仍然有意义称它们为字符集，因此可以使用任何一种术语。
“代码页”是源自IBM的术语，其中选择要显示的符号集。该术语继续被DOS和Windows使用，直到Unicode-aware Windows，在那里它仅充当具有编号标识符的编码。虽然编号的“代码页”并非本质上仅限于Microsoft，但今天这个术语几乎总是指Windows已知的编码。
当谈论code page ‹some number› 时，通常是指Windows特定的编码，而不是由标准机构设计的编码。例如，code page 28591通常不会用这个名称来引用它，而只是简单地称为“ISO-8859-1”。基于ISO-8859-1（用一些额外字符替换其中一些控制码）的Windows-specific Western European编码通常被称为“code page 1252”。
[*：所有UTF都是编码，而不是字符集，但这种情况并非仅限于Unicode。例如，日本标准JIS X 0208定义了一个字符集和两种不同的字节编码：有点令人不舒服的高字节编码（“Shift-JIS”）和深度可怕的转义切换编码（“JIS”）。]
“编码”是一个字符集（今天通常是Unicode）和（通常是基于字节的）技术表示之间的映射。
UTF-8是一种编码，但不是一个字符集。它是Unicode字符集的编码(*)
这种混淆是因为大多数其他知名的编码（例如：ISO-8859-1）最初作为单独的字符集出现。然后，当Unicode作为大多数这些字符集的超集出现时，将它们视为同一（Unicode）字符集的不同（但部分）编码变得可能，而不仅仅是孤立的字符集。以这种方式查看它们允许您通过Unicode轻松地在它们之间进行转换，如果它们只是孤立的字符集，这是不可能的。但仍然有意义称它们为字符集，因此可以使用任何一种术语。
“代码页”是源自IBM的术语，其中选择要显示的符号集。该术语继续被DOS和Windows使用，直到Unicode-aware Windows，在那里它仅充当具有编号标识符的编码。虽然编号的“代码页”并非本质上仅限于Microsoft，但今天这个术语几乎总是指Windows已知的编码。
当谈论code page ‹some number› 时，通常是指Windows特定的编码，而不是由标准机构设计的编码。例如，code page 28591通常不会用这个名称来引用它，而只是简单地称为“ISO-8859-1”。基于ISO-8859-1（用一些额外字符替换其中一些控制码）的Windows-specific Western European编码通常被称为“code page 1252”。
[*：所有UTF都是编码，而不是字符集，但这种情况并非仅限于Unicode。例如，日本标准JIS X 0208定义了一个字符集和两种不同的字节编码：有点令人不舒服的高字节编码（“Shift-JIS”）和深度可怕的转义切换编码（“JIS”）。]
- bobince
2
10
字符集就是包含可使用的字符的集合。
每个字符都映射到一个称为代码点的整数。
这些代码点在内存中的表示方式就是编码。编码只是将代码点（U+0041 - 字符'A'的Unicode代码点）转换为原始数据（位和字节）的方法。
- Zaki
8
一个字符集是一组字符，即表示通信单位的视觉符号“字形”。字母a是一个字形，€（欧元符号）也是一个字形。字符集通常将整数（码点）映射到每个字符，但编码决定了字符的二进制/字节级表示方式。我是一个Ruby程序员，以下是一些示例，以帮助你理解这些概念。这揭示了Unicode字符集如何将码点映射到字符，但不涉及每个字节的存储方式。（Ruby 1.9默认使用Unicode字符串。）
由于8364（十进制）太大，无法放入一个字节中，因此存在各种编码策略来指定从Unicode 代码点到一个或多个字节的翻译。UTF-8编码可能是这些编码中最受欢迎的一种。（如果您想深入了解实现，请参考维基百科上的UTF-8编码算法。）请注意，UTF-8编码只在Unicode字符集的上下文中才有意义。
以下内容揭示了UTF-8编码如何将每个Unicode字符存储为字节（0到255的十进制数）。 （Ruby 1.9的默认编码是UTF-8。）
请注意，ISO-8859-15代码点与字节表示匹配。
这篇博客文章可能会有所帮助：http://graysoftinc.com/character-encodings/what-is-a-character-encoding。如果您不想过于专注于Ruby，则前三个条目很好。
>> 'a'.codepoints.to_a
=> [97]
>> '€'.codepoints.to_a
=> [8364]
由于8364（十进制）太大，无法放入一个字节中，因此存在各种编码策略来指定从Unicode 代码点到一个或多个字节的翻译。UTF-8编码可能是这些编码中最受欢迎的一种。（如果您想深入了解实现，请参考维基百科上的UTF-8编码算法。）请注意，UTF-8编码只在Unicode字符集的上下文中才有意义。
以下内容揭示了UTF-8编码如何将每个Unicode字符存储为字节（0到255的十进制数）。 （Ruby 1.9的默认编码是UTF-8。）
>> 'a'.bytes.to_a
=> [97]
>> '€'.bytes.to_a
=> [226, 130, 172]
以下是使用 ISO-8859-15 字符集 的相同内容：
>> 'a'.encode('iso-8859-15').codepoints.to_a
=> [97]
>> '€'.encode('iso-8859-15').codepoints.to_a
=> [164]
以及ISO-8859-15 编码：
>> 'a'.encode('iso-8859-15').bytes.to_a
=> [97]
>> '€'.encode('iso-8859-15').bytes.to_a
=> [164]
请注意，ISO-8859-15代码点与字节表示匹配。
这篇博客文章可能会有所帮助：http://graysoftinc.com/character-encodings/what-is-a-character-encoding。如果您不想过于专注于Ruby，则前三个条目很好。
- Kelvin
8
- StuartLC
2
2在我看来，没有所谓的“ANSI”编码。这个名称是一个误称。 - nn0p
1@nn0p 没错，虽然“ANSI”的使用在微软的文档、API甚至各种产品中都非常普遍，有时很难知道应该在哪里划线。不过，我刚刚写了一篇关于SQL Server文档和元数据混淆ANSI、ISO-8859-1和Windows-1252作为同一事物的文章：SQL Server Collations: What does “CP1” mean in “SQL_Latin1_General_CP1_CI_AS”?。 - Solomon Rutzky
2
这本书中关于 Unicode 的章节《高级 Perl 编程》 包含了我所见过的最好的编码、字符集和 Unicode 其他实体的描述。不幸的是，我认为它在网上不免费提供。
- ennuikiller
1
1我有Safari订阅。刚刚下载了这一章，谢谢。 - Deane
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
ISO/IEC 8859-1，据说这是ISO标准（由于ISO的付费墙无法确定）。该标准不包括控制字符，但代码页包括（00-1F和7F-9F）。谁定义了代码页编码并做出了决定？然后，windows-1252代码页将某些控制字符编码替换为不同的可打印字符编码。希望您能在该示例的背景下进行更详细的解释。谢谢！ - mattpr