<，包含所有字符的字符集。
### Unicode
每个字符唯一对应一个码位(code point，即编号)，一般用`U+16进制值`表示。[根据码位查询对应字符信息](http://www.fileformat.info/info/unicode/char/search.htm)。
分为17个层面(plane)，每个层面的大小是16bit，即可表示65536个码点/字符。
第0个层面叫基本面(BMP)，包含几乎所有常见字符，其它的叫补充面(SMP)。
字位（grapheme）是在特定书写系统的上下文中最小的可区分的书写单位，被视为一个单独的、不可分割的字符。在 Unicode 中，一些字位使用多个码位进行编码。
比如`é`（一个单独的字位）被编码为 `e（U+0065）`+`´（U+0301）`。
Unicode 是基于区域设置的，不同区域设置下的同一个码位的字形（渲染）可能都不一样。
## 代码页
代码页是字符集的具体实现，是一张“字符-内码（字节）”的映射表。比如GBK字符集对应于Windows下的[936代码页](http://msdn.microsoft.com/en-us/library/cc194913.aspx)。
## Locale
Locale（区域）是根据国家或地区定义了语言，时间，日期，数字，货币等的一组格式参数，决定了用户界面的显示以及软件运行的环境。
### Windows
每个Locale用32位的`LCID`标识。
在控制面板->区域和语言，可以为系统和用户分别设置Locale。系统Locale决定语言（字符集），用户Locale决定时间，日期，数字，货币等格式。
### Linux
在`/usr/share/i18n/locales/`存放了所有Locale的定义文件，用`locale -a`列出，用`language[_territory][.codeset][@modifier]`格式标识。
在`/usr/share/i18n/charmaps/`存放了所有字符集。
可以用`localedef`命令自定义Locale，生成在`/usr/lib/locale/`目录中。
Locale分为12大类，可以分别设置（环境变量或系统设置`/etc/default/locale`），优先级`LC_ALL > LC_* > LANG`：
* 语言符号及其分类(LC_CTYPE)
* 数字(LC_NUMERIC)
* 比较和排序习惯(LC_COLLATE)
* 时间显示格式(LC_TIME)
* 货币单位(LC_MONETARY)
* 信息主要是提示信息,错误信息, 状态信息, 标题, 标签, 按钮和菜单等(LC_MESSAGES)
* 姓名书写方式(LC_NAME)
* 地址书写方式(LC_ADDRESS)
* 电话号码书写方式(LC_TELEPHONE)
* 度量衡表达方式(LC_MEASUREMENT)
* 默认纸张尺寸大小(LC_PAPER)
* locale自身包含信息的概述(LC_IDENTIFICATION)
* 全部(LC_ALL)
* 默认值(LANG)
如果不做任何设置，则使用C(POSIX) Locale相当于`LC_ALL=C`，C Locale使用ASCII字符集。
用`locale`命令列出当前设置。
## 编码（存储表示）
非Unicode: 字符集规定了字符对应的编码字节，字节数以及字节序（和endian无关）。使用查表的方式进行编解码。
Unicode: （UTF-8 已广泛使用，其他基本不再使用）
* UCS-2: 双字节编码，只能表示BMP内的字符。（逐渐被UTF-16取代，UCS-4类似被UTF-32取代）
* UTF-16: BMP内用双字节编码和UCS-2兼容，SMP字符需要用四个字节编码。
* UTF-8: 用1-4个字节来编码，并和ASCII兼容（使用一个字节，非ASCII使用2-4字节）。以单字节为编码单元，没有字节序的问题。
* UTF-32: 直接用完整四个字节的对应码点编码。
BOM (Byte Order Mark)
UTF-8`EF BB BF`: 有兼容性问题，不建议使用，而应改用算法检测是否是UTF-8。
UTF-16/UCS-2: big`FE FF`, little`FF FE`。
关于Windows记事本的保存选项，这些名称也用于Windows其它软件中：
* ANSI: 通常指Windows系统的默认字符集编码（系统Locale），在英文系统中是ISO 8859-1，简体中文系统为GBK。
* Unicode: UTF-16 little endian
* Unicode big endian: UTF-16 big endian
* UTF-8: 总是加上BOM
## Reference
[The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)](http://www.joelonsoftware.com/articles/Unicode.html)
[The Absolute Minimum Every Software Developer Must Know About Unicode in 2023 (Still No Excuses!)](https://tonsky.me/blog/unicode/)
[charsets man](http://man7.org/linux/man-pages/man7/charsets.7.html)
[ubuntu wiki](http://wiki.ubuntu.org.cn/Locale) [help](https://help.ubuntu.com/community/Locale)
[关于字符编码，你所需要知道的](http://www.cnblogs.com/KevinYang/archive/2010/06/18/1760597.html)
[Unicode与JavaScript详解](http://www.ruanyifeng.com/blog/2014/12/unicode.html)
]]>