CentOS字符集详解
一、字符编码和字符集
1. 字符编码（Character Encoding）
字符编码是一种法则，用于在数字与符号之间建立对应关系，不同的国家有不同的语言，包含的文字、标点符号、图形符号各有不同，在ASCII编码中，用数字97表示字符'a'，常见的字符编码有ASCII、GBK、GB18030和Unicode等。
1.1 ASCII编码
ASCII编码是最早的字符编码之一，主要用于显示现代英语和其他西欧语言，它基于拉丁字母，每个字符占用一个字节，共128个字符。
1.2 GBK编码
GBK编码是一种汉字编码标准，兼容GB2312，并扩展了更多汉字，它在双字节字符集中使用频繁，适用于简体中文。
1.3 GB18030编码
GB18030编码是对GBK的扩展，增加了更多的汉字和符号，它使用变长多字节方式编码，可以表示几乎所有汉字。
1.4 Unicode编码
Unicode编码旨在涵盖世界上所有书写系统的字符，其常见变种包括UTF8、UTF16和UTF32：
UTF8：兼容ASCII编码，对英文字符使用一个字节，对其他字符使用2到4个字节。
UTF16：基本多文种平面使用两个字节，辅助平面使用四个字节。
UTF32：所有字符均使用四个字节表示，空间利用效率低。
2. 字符集（Character Set）
字符集是字符的集合，每个字符集包含的字符个数不同，常见的字符集名称包括ASCII、GB2312、GBK和UTF8等。
2.1 ASCII字符集
ASCII字符集包含控制字符和可打印字符，主要用于英语和其他西欧语言。
2.2 GB2312字符集
GB2312字符集包含大部分常用的简体汉字，已不能满足现代需求。
2.3 GBK字符集
GBK字符集是GB2312的扩展，增加了更多汉字和符号。
2.4 UTF8字符集
UTF8是一种针对Unicode的可变长度字符编码，广泛用于互联网数据传输。
国际编码（Unicode）
为了解决传统字符编码方案的局限，Unicode于1994年发布，Unicode统一了全球所有字符的编码，不再存在字符集不兼容和字符转换的问题。
二、汉字的编码
汉字的编码
支持汉字（简体中文）的编码有GB2312、GB13000、GBK、GB18030和Unicode（UTF8、UTF16、UTF32）。
1.1 GB2312编码
GB2312编码仅包含大部分常用简体汉字，已不能适应现代需求。
1.2 GB13000编码
由于GB2312的局限性，国家标准化委员会制定了GB13000编码，但由于兼容性问题未广泛推广。
1.3 GBK编码
GBK编码在GB2312基础上扩展，包含了更多汉字和符号，得到广泛应用。
1.4 GB18030编码
GB18030编码进一步扩展了GBK，增加了数千个汉字，但因使用变长多字节编码给软件开发带来难度。
1.5 Unicode编码
Unicode包含全世界所有国家需要的字符，是国际编码，通用性强。
汉字的编码选择
在操作系统和数据库中，常用的汉字编码有GBK、GB18030和Unicode，GBK和GB18030的优势在于占用空间小，而Unicode的优势在于全球化支持。
2.1 GBK和GB18030的优势
空间利用率高。
适用于简体中文环境。
2.2 Unicode的优势
全球化支持。
统一编码标准，消除乱码问题。
编码的转换
GBK和GB18030与Unicode编码之间需要转换，否则会出现汉字乱码，Linux提供了iconv命令进行编码转换。
三、设置Linux的字符集
查看当前系统已安装的字符集
使用locale命令查看当前系统全部已安装的字符集。
locale a
安装中文字符集
如果系统没有安装中文字符集，可以用以下命令安装：
yum groupinstall "fonts" y yum install kdel10nChinese y yum reinstall glibccommon y
安装完成后，可以通过以下命令查看已安装的中文字符集：
locale a | grep zh_CN
修改字符集配置文件
CentOS 7的字符集配置文件位于/etc/locale.conf，可以使用vi命令编辑该文件：
vi /etc/locale.conf
将文件中的相关语句修改为所需的字符集，如：
LANG="zh_CN.UTF8"
保存并退出后，执行以下命令使修改生效：
source /etc/locale.conf
LANG环境变量
LANG环境变量存放的是Linux系统的语言、地区、字符集，通过修改/etc/profile文件中的配置，可以设置系统的默认语言环境。
修改客户端的字符集
客户端的字符集必须与Linux服务端一致，否则会出现乱码，在使用SecureCRT时，可以在会话属性中设置字符编码。
字符集转换工具
Linux提供了iconv命令进行编码转换，将当前目录的book1.c由GBK转换成UTF8，结果输出到/tmp/book1_utf8.c中：
iconv f GBK t UTF8 book1.c o /tmp/book1_utf8.c
参数说明：
f encoding：源文件内容的编码。
t encoding：目标文件内容的编码。
o file：指定输出文件。
c：忽略输出的非法字符。
l：列出已知的编码字符集。
s：禁止警告信息，但不是错误信息。
verbose：显示进度信息。
四、应用经验
1、Linux系统在业务化之前应确定字符集，之后不再改变，避免后续修改带来的麻烦。
2、如果项目没有全球化需求，建议采用zh_CN.gbk字符集。
3、虽然gb18030字符集比gbk丰富，但因其部分汉字使用4字节表示，程序员更倾向于使用gbk。
4、设置Linux的字符集时，还需考虑WEB系统和数据库系统采用的字符集，保持一致性。
五、常见问题解答（FAQ）
Q1: 如何在CentOS 7中查看当前使用的字符集？
A1: 使用以下命令查看当前使用的字符集：
locale
或查看具体语言环境变量：
echo $LANG
Q2: 如何在CentOS 7中更改字符集？
A2: 通过修改/etc/locale.conf文件来更改字符集，编辑文件并修改相应的值，如：
vi /etc/locale.conf
修改为：
LANG="zh_CN.UTF8"
然后执行以下命令使修改生效：
source /etc/locale.conf
Q3: 如何在CentOS 7中安装中文字符集？
A3: 使用以下命令安装中文字符集：
yum groupinstall "fonts" y yum install kdel10nChinese y yum reinstall glibccommon y
