计算机中非常基础且重要的概念：字符集（Character Set）与字符编码（Character Encoding），并重点介绍 ASCII 和 GBK。

1. 为什么需要字符集和编码？

要理解这一切，首先要记住一个核心事实：计算机只认识数字0和1。

我们人类在屏幕上看到的文字、符号（比如 'A', '好', '!'）对计算机来说，本质上都是一串二进制的0和1。那么，如何将人类的字符与计算机的二进制数字对应起来呢？

这就需要一个“翻译”规则。这个规则分为两步：

1. 字符集 (Character Set)：先确定我们要用哪些字符。把所有需要用到的字符（比如所有英文字母、所有汉字、所有标点符号）收集起来，形成一个巨大的集合。这个集合就是“字符集”。
2. 字符编码 (Character Encoding)：为字符集中的每一个字符分配一个唯一的数字编号。这个“编号”的过程就是“编码”。计算机在存储和传输时，实际上操作的是这些数字编号，而不是字符本身。

通常我们把“字符集”和“字符编码”合在一起说，比如我们说“ASCII编码”，其实它既定义了字符的集合，也定义了这些字符对应的编号。

2. ASCII (美国信息交换标准代码)

ASCII (American Standard Code for Information Interchange) 是计算机世界里最早、最基础的编码规范。

• 诞生背景：诞生于上世纪60年代的美国，当时的计算机主要用于处理英文信息。
• 编码方式：ASCII 使用 7个比特位 (bit) 来表示一个字符。
  • 我们知道，一个比特位有0和1两种状态，所以7个比特位可以表示 $2^7 = 128$ 个不同的字符。
  • 在计算机中，通常以字节（Byte）为单位存储，1字节 = 8比特。所以 ASCII 字符在存储时，虽然只用了7位，但通常会占用一个完整的字节，最高位（第8位）统一为0。
• 包含内容：这128个位置（从0到127）都分配给了谁呢？
  • 0-31 及 127：这些是控制字符或不可见字符。它们不是用来显示的，而是用来控制设备行为的，比如：
    • 10 (\\\\n)：换行符
    • 9 (\\\\t)：制表符 (Tab)
    • 8：退格键 (Backspace)
  • 32-126：这些是可打印字符，就是我们能在键盘上直接敲出来的字符，包括：
    • 大小写英文字母 (A-Z, a-z)
    • 阿拉伯数字 (0-9)
    • 各种标点符号和运算符 (如 !, @, #, +, , , / 等)
    • 空格 (32)

ASCII 的局限性

ASCII 的最大问题在于它只能表示128个字符。这对于英语世界来说是足够的，但对于其他语言，比如中文、法文（带音标的字母）、俄文等，是远远不够的。一个汉字就有成千上万个，ASCII 完全无法表示。

3. GBK (汉字内码扩展规范)

为了解决 ASCII 无法显示中文的问题，中国制定了一系列自己的编码标准，GBK 就是其中最重要和最广泛使用的一个。

• 发展历程：
  1. GB2312 (1980年)：这是最早的简体中文编码标准。它收录了约6763个汉字和一些符号。GB2312 规定，一个汉字用 2个字节 (16比特) 来表示。同时，为了兼容 ASCII，它做了一个巧妙的设计：
     • 如果一个字节的最高位是 0，那么它就是 ASCII 字符，按 ASCII 的方式解析。
     • 如果一个字节的最高位是 1，那么就意味着这是一个汉字的开始，需要再读取后面一个字节，将两个字节合在一起解析成一个汉字。
     • 缺点：GB2312 收录的汉字不够全，很多生僻字、繁体字，甚至一些常用的人名用字（如朱镕基的“镕”）都没有包含。
  2. GBK (1995年)：全称是《汉字内码扩展规范》(Guo Biao Kuozhan)。"K" 代表“扩展”。
     • 完全兼容 GB2312：所有 GB2312 的编码在 GBK 中完全一样。
     • 巨大扩展：GBK 在 GB2312 的基础上，大幅增加了字符数量，收录了超过21000个汉字，包括了简体、繁体汉字，以及日文、韩文中的一些汉字。
     • 编码方式：GBK 继承了 GB2312 的思想，采用可变长编码：
       • 单字节字符：对于 ASCII 码范围内的字符 (0-127)，完全沿用 ASCII 的编码，只用一个字节表示。这保证了英文和数字的兼容性。
       • 双字节字符：对于汉字和其他符号，使用两个字节表示。它的编码范围比 GB2312 更大，通过这种方式容纳了更多的字符。