1.ASCLL

ASCLL-维基百科

众所周知，电脑是在美国发展起来的。而电脑内部的所有数据都是二进制。所以美国人在使用电脑输入信息的时，他们设立了一张表，这张表上有数字、大小写英文字符、各种键盘符号等等。一共是128个。

这张表被称作 ASCLL 即 American Standard Code for Information Interchange（美国信息交换标准代码）。

在美国人的日常使用，这 128 个字符已经能够满足需要。

但随着互联网的发展，越来越多的国家/地区步入互联网的时代。这样他们也需要计算机能够标记他们的文字和语言等等，但显然 ASCLL 字符集不能满足需要。

于是这些国家/地区根据自己的需求制定了自己的字符集，譬如中国大陆制定了 GBK，而台湾地区则制定了 Big5。

2.GBK与Big5

GBK-维基百科

Big5-维基百科

看起来，每个国家/地区制定自己的字符集，似乎已经满足了各自的需求。

但这种形式的一个弊端就是乱码问题。

因为同一个编码在不同的字符集下对应的字符是不同的。

我们常见的乱码神兽“锟斤拷”就是字符集的解析不同所导致的。

譬如中国大陆发送一封邮件到台湾，台湾地区打开时就会出现乱码，除非台湾打开时指定字符集为 GBK。

3.Unicode

Unicode-官方网站

Unicode-维基百科

Unicode 将编码空间分成 17 个平面，以 0 到 16 编号。

第 0 平面（或者说基本多文种平面）中的码点，都可以用一个 UTF-16 单位来编码，或者以 UTF-8 来编码的话，会使用一、二或三个字节。而第 1 到 16 平面（或称辅助平面）中的码点，UTF-16 会以代理对的方式来使用，而 UTF-8 则会编码成 4 个字节。

在每个平面中，会先将相关的字符集结为区段的形式。虽然区段可以是任意大小，但会以 16 个码点的倍数，且通常是 128 个码点的倍数。而一份文稿中使用到的区段，可能会散布在多个区段中。