Brand
用手机扫我
在手机上打开
怎么样才算是一个字符呢？这就要各自的语言给出解释了。比如对于英语来说，一个字母就是一个字符；对于汉语来说，一个汉字就是一个字符。
常见的字符有文字、标点符号、图形符号、数字等。
把字符按照一定的顺序排列在一起，就是字符序列。
字符集（charset）一词是由字符（char）和集合（set）组合而成的。顾名思义，就是由一些字符组成的集合。
字符集就如同由不同的人形成的不同的圈子一样。世界上存在着很多的圈子，每个人也可以同时在多个圈子里。类似的， 也有很多的字符集。因为，人类的语言非常丰富，不同的国家的语言通常不同、不同民族有自己的语言等。
计算机中常用的字符集：
在计算机中，所有的数据在存储和运算时都要使用二进制数表示，字符也不例外，例如，像a、b、c、d这样的52个字母（包括大写）、 以及0、1等数字还有一些常用的符号（例如*、#、@等）在计算机中存储时也要使用二进制数来表示，而具体用哪个二进制数字表示哪个符号， 当然每个人都可以约定自己的一套（这就叫编码），而大家如果要想互相通信而不造成混乱，那么大家就必须使用相同的编码规则。 字符编码（Character coding）就是一套通用规则。
大多数字符集只有一种编码方式，这时候我们说的字符集也指对应的字符编码，然而，一个字符集可以有多种编码方式。 如果你个字符集有多个编码方式，这时候就要严格区分什么是字符集，什么是字符编码了。
一般的，字符集中字符的个数会影响这个字符集的编码方式。
有些时候，我们只能使用特定字符集中的某些个字符，而不能使用这个字符集中的全部字符， 也就是，我们需要缩小范围，此时就需要使用特殊字符编码。
常用的对字符的特殊字符编码方法有如下这些：
BOM（Byte Order Mark，字节顺序标记）
BOM就是一个特殊的标记，告诉数据的使用者，字节序是小端模式还是大端模式。
对于，通过多个字节合起来表示一个东西的时候，就会出现字节序的问题。
比如，在C语言中，对于32位的操作系统， 一个short类型占用2byte；一个int类型占用4byte； 一个long类型占用8byte。那么，对于一个short、int、long等类型的数据在内存中的存储顺序应该是什么样子的呢？
更具体一点：假设我们限定环境是32位的操作系统，现在有如下的定义：
short a = 1;那么a逻辑上可以表示为00000000 00000001。我们人类习惯上将高位写在左边，低位写在右边。
实际存储的时候，按照从低位到高位的顺序：a就有2种存储的方案：
00000000 0000000100000001 0000000000000000 00000001这种存储方案与我们人类的习惯正好是反着的，这种称为大端模式。
00000001 00000000这种存储方案与我们人类的习惯是一样的，这种称为小端模式。
那么，如何验证C语言中short、int、long等类型的数据在内存中 是以哪种字节序存储的呢？
从上面的例子，我们已经看出来了，对于32位的操作系统，short类型的数据占用2byte， 我们把这两个字节重新转换成short类型的数据，看看哪个与a相等，如果是低位与a相等，就表示是小端模式，否则就是大端模式。
示例代码：
int isLittleEndian() {
short a = 1;
unsigned char *p = (unsigned char *)(&a);
return *p == a ? 0 : 1;
}
绝大多数的操作系统都采用小端模式。
TCP/IP首部中所有的整数在网络中传输时都要求使用大端模式，因此它又称作网络字节序。 比如，以太网头部中2字节的“以太网帧类型”，表示后面数据的类型。对于ARP请求或应答的以太网帧类型来说，在网络传输时，发送的顺序是0x08，0x06。
有时候，BOM不仅仅指示字节序，还指示何种字符编码。这对于纯文本文件特别有用。比如， 对于Windows中的记事本这个程序，它就是用BOM区分使用哪种编码格式的。
文件直接以数据开头，无头信息，该文件为ASCII编码；
文件头两个字节依次是FF FE，为UTF-16LE编码， 也就是Unicode编码；
文件头两个字节依次是FE FF，为UTF-16BE编码；
文件头三个字节依次是EF BB BF，为UTF-8编码；
可以通过hexdump -C xx.txt | less命令查看十六进制表示的字节序。
UCS规范建议我们在传输字节流前，先传输字符U+FEFF， 如果接收者收到FEFF，就表明这个字节流是大端模式的； 如果收到FFFE，就表明这个字节流是小端模式的。
UTF-8编码不需要用BOM来表明字节顺序，但可以用BOM来表明编码方式。 如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。
Linux和UNIX并没有使用BOM， 但这些系统中的文本编辑器在读取并显示的时候一般会忽略掉BOM，而不是把他们当成正文。 而Windows中的记事本在保存文件的时候插入对应的BOM。
XML的编码可以进行设置，类似于如下：
<?xml version="1.0" coding="UTF-8"?>这个元数据必须放在XML内容的第一行，用来告诉XML解析器，该XML的内容是如何编码的。 如果没有指明coding，就使用默认的UTF-8进行编码。
常用的结构化文本包含如下这些：
