编码全解：从ASCII/ISO-8859/GB2312/GBK到Unicode的UCS-2/UCS-4/UTF-8/UTF-16/UTF-32

1、ASCII编码

为了能在电报、打印机、计算机等电信设备上进行信息交换，就必须为不同的设备制定统一的编码格式。早期的电信设备字符编码基本都是使用6位编码。1963年美国国家标准协会(ANSI)制定并公布的ASCII编码是第一个被广泛采用7位编码。

ASCII全称：American Standard Code for Information Interchange，美国信息交换标准码。直至1986年最后一次修订，ASCII共定义了128个字符：

1.1、控制字符

其中0x00~0x1F这32个属于控制字符，这些控制字符用于控制通信设备，比如0x07(BEL，bell)表示蜂鸣器响铃，0x08(BS，backspace)表示退格，0x0A(LF，line feed)表示换行，0x0D(carriage return)表示回车，0x0C(FF，form feed)表示换页…

回车和换行被分为两个字符是有一定的历史原因的。早期的打字机回车、换行是两个动作。回车就是打字机把纸张重置到行首位置，换行就是把纸张上移一行。

这些控制字符在打印设备与字符屏幕等终端上无法显示，一些终端设备为这些控制字符提供了拓展，使这些字符显示笑脸、扑克牌花色等符号。

1.2、打印字符

0x20~0x7F为可显示字符，其中比较特殊的0x20第32号字符为空格字符，0x7F第127号字符为DEL控制字符。

在很多编程语言中会把空格与控制字符作为空白字符处理。所以实际可显示图形字符共94个。

94这个特殊的数字对于在后面GB2312中会再次出现。

1.3、ASCII编码的国际化

美国的很多国家标准都被ISO组织给国际化了，ASCII也不例外。

国际标准化组织和国际电工委员会ISO/IEC于1972年制订了ISO/IEC 646标准，它来自于多个国家标准(主要是ASCII)，允许其他国家根据需要修改ASCII中的$ @ [ \ ] ^ { | } ~12个字符为自己国家使用。

2、EASCII编码

欧洲国家与美国走得最近的，美国在计算机方面的发展也影响到了欧洲国家，编码问题就是其中之一。

很多欧洲国家觉得ASCII码中的95个可显示字符并不能表示本国语言的所有字符。而ASCII码使用7位编码，第8位作为校验纠错位，对于计算机内存而言，校验纠错变得不是那么必要了，使用8位编排256个字符明显不需要额外的编程成本和存储成本。于是许多的制造商在ASCII的基础上添加了128个扩展字符，其中比较流行的是IBM和微软共同制定并在MS-DOS上使用的CP437编码（Code Page 437）。

3、ISO-8859编码

由于各国制造厂商的EASCII扩展编码不统一，于是ISO/IEC委员会颁布了8位字符编码标准——ISO/IEC 8859。

这个编码标准共有16部分，分别以ISO/IEC 8859-n表示(其中ISO/IEC 8859-12印度梵文已废弃)，这些字符集可以以ISO-8859-n作为MIME名称，比如最常见的iso-8895-1是西欧语言的8位编码标准。

下面是ISO-8895的16个编码标准：

部分	名称	颁布时间/最后修订时间
ISO/IEC 8859-1	拉丁语系1-西欧	1987/1998
ISO/IEC 8859-2	拉丁语系2-中欧	1987/1999
ISO/IEC 8859-3	拉丁语系3-南欧	1988/1999
ISO/IEC 8859-4	拉丁语系4-北欧	1987/1998
ISO/IEC 8859-5	斯拉夫语(Cyrillic)	1988/1999
ISO/IEC 8859-6	阿拉伯语(Arabic)	1987/1999
ISO/IEC 8859-7	希腊语(Greek)	1987/2003
ISO/IEC 8859-8	希伯来语(Hebrew)	1988/1999
ISO/IEC 8859-9	拉丁语系5-土耳其语	1989/1999
ISO/IEC 8859-10	拉丁语系6-北日耳曼语	1992/1998
ISO/IEC 8859-11	泰语(Thai)	2001
ISO/IEC 8859-13	拉丁语系7-波罗的语	1998
ISO/IEC 8859-14	拉丁语系8-塞尔特语	1998
ISO/IEC 8859-15	拉丁语系9-西欧	1999
ISO/IEC 8859-16	拉丁语系10-东南欧	2001
ISO/IEC 8859-12	原预留给印度梵文,后搁置废弃	搁置废弃

4、汉字编码GB2312

信息技术飞速发展，计算机也开始进入中国，但是有个很严峻的问题：中华文化博大精深，光常用汉字就有几千个，这明显无法用单个字节进行编码，于是智慧的中国人民使用两个字节搞出了GB2312编码，并美其名曰：DBCS（Double Byte Charecter Set 双字节字符集）。

4.1、GB2312介绍

G