一些基本概念

编码

我们都知道，计算机只能识别二进制数字，当你输入字母A时，A会被转换为01000001，这样才能被计算机阅读。这便是编码，即从字符到二进制数字的转换过程。

解码

假设硬盘中有一份txt文档，里边含有你前几天编写的一段文字。由于计算机是以二进制数字的形式保存数据的，所以当你打开这份文件，并阅读其中的内容时，计算机便会把二进制数字转换为字符，这便是解码，即从二进制数字到字符的转换过程。

字符集

字符集即字符的集合，由于种种原因，历史上出现了很多字符集，常见的字符集包括：

ASCII

ASCII字符集是由美国人发明的，它包含了255个字符，其中常用字符有127个，包括控制符(空格，换行...)，英文26个字母的大小写，0到9的阿拉伯数字，以及一些常用符号(逗号，@符号...)。如果你仅需要表示英文和阿拉伯数字，ASCII是非常好的选择。

ISO8859-1

由于ASCII是由老美发明的，他们当初根本没有考虑到还要支持其他国家的语言，因此欧洲人就不爽了，因此欧洲人便发明了ISO8859-1。ISO8859-1不仅包含且兼容了ASCII中的所有字符，还加入了一些西欧字符。这样利用ISO8859-1字符集，便能表示西欧的语言了。(具体支持哪些西欧语言，请自行百度)

GB2312和GBK

由于ASCII与ISO8859-1均只支持欧美国家的字符，因此中国人民不爽了，所以发明了GB2312字符集，该字符集不仅包含且兼容了ASCII的所有字符，加入了大量常用的中文汉字。这样便可以使用GB2312来表示常见的中文字了。

由于GB2312只支持常用中文字，当表示生僻中文字时，GB2312也无能为力。因此便出现了GBK字符集。GBK不仅包含且兼容了GB2312的所有字符，还支持中文里的生僻字。因此如果你需要表示一些中文生僻字，GBK是更好的选择。

Unicode

从上面的情况来看，上述字符集都仅支持特定的自然语言。比如ASCII只支持英文，当遇到西欧语言时便无能为力。GBK只支持中文，当遇到拉丁文时，也是束手无策。因此这个世界迫切需要一种可以表达所有常用自然语言的字符集，因此Unicode字符集应运而生。Unicode支持所有常见自然语言的字符集，因此如果需要支持多国语言，Unicode字符集是最佳选择。

字符集编码

我们经常听到的ASCII, ISO8859-1, GB2312， GBK, UTF-8...这些都是常见的字符集编码（或称为编码规则）。在开头的例子中，便是利用了ASCII编码规则，确定了字母A对应的二进制数字是01000001。

字符集与字符集编码(编码规则)的关系

类比接口与实现类

读到这可能有童鞋已经晕了，或许会问：“为毛你一会儿说ASCII是字符集，一会儿又说ASCII是编码规则，它们到底是什么关系呢？”

要解答这问题并不难，只要类比Java中的接口与实现类的关系就清楚了。在Java中，接口定义了"要做什么事"，在实现类中则定义了"该怎么做这件事"。同样的，你可以把字符集当做是Java中的接口，而把编码规则当做是Java中的实现类。因此就变为：ASCII编码规则实现了ASCII字符集。 也就是说，ASCII字符集规定了字符集包含了哪些字符，ASC编码规则说明了计算机应该如何使用二进制数字存储所支持的字符。对于ISO8859-1，GB2312，GBK也是同样的道理。

到这里，大家应该明白，字符集和编码规则在本质上来说是不一样的，或者是因为字符集和编码规则的名称正好相同，才造成了一定的误解吧（或许正是因为这些字符集正好只有一种编码规则实现了它，所以就偷懒，让他们具有同样的名称吧...猜的）。

Unicode的特殊性

上面并没有提到Unicode字符集。原因是：实现了Unicode字符集的编码规则是UTF-8，UTF-16，UTF-32。也就是说，有3种编码规则实现了Unicode字符集（注意，并没有一种叫做Unicode的编码规则！）。也就是说，对于Unicode系列来说，其字符集与编码规则不再是一 一对应的关系，而是一对多的关系！同时，字符集与编码规则也不再是同名的！

为什么会有多种编码规则实现了Unicode字符集呢？主要是因为人们对存储空间的苛刻要求。具体原因详见references中那位大神的博客。

总结

如果你还是没能理解字符集与编码规则的区别与联系（多半是因为我的文笔太差了!_ _）, 可以去看下references中的两篇文章，看完以后肯定会有更深的理解。

在下一篇JavaHipster 2中，将重点学习常用的编码规则。

References

http://my.oschina.net/goldenshaw/blog/304493
http://my.oschina.net/goldenshaw/blog/305805