ANSI，ASCII，Unicode，UTF-8，GB2312编码

ANSI编码：这个是windows系统自带的可以由地区来动态决定的编码，可在系统中设定，你把系统区域设置为美国那就是ASCII,把系统区域设置为中国大陆那就是GB2312简体中文等

ASCII编码：占一个字节，最高位是0，后面7位用来表示字符,一共是128个字符，下图只有94个，除外还有33个不能打印出来的控制符号

GB2312编码：
编码范围：A1A1－FEFE，其中汉字编码范围：B0A1-F7FE

GB2312编码：1981年5月1日发布的简体中文汉字编码国家标准。GB2312对汉字采用双字节编码，收录7445个图形字符，其中包括6763个汉字。

BIG5编码：台湾地区繁体中文标准字符集，采用双字节编码，共收录13053个中文字，1984年实施。

GBK编码：1995年12月发布的汉字编码国家标准，是对GB2312编码的扩充，对汉字采用双字节编码。GBK字符集共收录21003个汉字，包含国家标准GB13000-1中的全部中日韩汉字，和BIG5编码中的所有汉字。

GB18030编码：2000年3月17日发布的汉字编码国家标准，是对GBK编码的扩充，覆盖中文、日文、朝鲜语和中国少数民族文字，其中收录27484个汉字。GB18030字符集采用单字节、双字节和四字节三种方式对字符编码。兼容GBK和GB2312字符集。

Unicode编码：国际标准字符集，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换

Unicode编码：Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，它指的是UCS-2编码方式，就是是直接存入unicode的值来进行编码，unicode的每个值用两个字节来表示，那么它的表示范围就是0-65536个字符,这里面又包含两个方式（Big endian）和（Little endian），默认是后者小头方式，所以一个文本文件如果采用Unicode编码，那么它文件开头两个字节会说明是那种，FF FE表示小头，FE FF表示大头，如果要表示的字符超过了65536，那就使用UCS-4这个编码，它使用四个字节表示一个字符
不管是UCS-2还是UCS-4他只是标记了一个字符唯一的一个值而已，如果我们用这种编码方式会比较死板，就是任何字符都必须要使用2个字节或者四个字节的方式来读取，那么这样就会造成资源的浪费，针对这种浪费就推出了UTF-8编码和UTF-16编码

看这个字符串:1111111111
编码如下

Unicode(大头)编码(26个字节)：
UTF-8：（12个字节）
UTF-8-BOM:(15个字节，此处发现相比较UTF-8 多了一个开头EF BB BF)
GB2312（15个字节，此处发现它和UTF-8-BOM的结果一致）

Big5(15个字节，此处发现它和UTF-8-BOM的结果一致)

UTF-8编码：Unicode编码的一个子集，unicode规定字符编码的长度是两个字节，一个汉字的范围是0X4E00到0x9FA5，这个说的是unicode值，由于unicode编码是固定长度的，所以搞了一个变种出来UTF-8编码，这种编码是不定长的，对于一个字符的存取，既包括了它本身的值也包含了它的控制信息，这个控制信息就是我们要如何读取它，看看uft8是怎么把值控制信息结合在一起的
它的文件开头：EF BB BF

1字节 0xxxxxxx 
2字节 110xxxxx 10xxxxxx 
3字节 1110xxxx 10xxxxxx 10xxxxxx 
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

跟据上表，解读 UTF-8 编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节UTF-8
对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节

总结：
世界上所有的字符都被Unicode统一编码，会给他们一个唯一的值来标记他们，这个值叫Unicode值
对于UTF系列的编码实现，其实就是把字符的Unicode值和控制值镶嵌在一起形成一个新的字符，比如UTF8，它解决了一个问题叫做不定长，定长太废空间了。但对于GB2312这个编码的实现就和unicode值没关系，如果二者想要转换，只能相互查找，unicode相当于一个全世界公认的编码值，GB2312(字符编码，字符值)，unicode(字符编码，字符值)，转换的过程就是两个map关于key的查找，只是共同的value被赋以不同的值

程序在读取一个文件时，会首先检测它的编码，可以是如下几种
ASCII：一个字节一个字节读
Unicode（UCS-2）：两个两个字节读
Unicode（UCS-4）：四个四个字节读
UTF-8:不定长的有规律的读，靠拼接出它表示的字符，兼容ASCII值
UTF-16：不定长的有规律的读，靠拼接出它表示的字符，兼容ASCII值
GB2312:不定长的有规律的读，对于汉字是固定两个字节，对于ascall码字符是一个字节，兼容ASCII值

每一种编码格式都会对应一个字符库，可以看出unicode这个库在世界上是最大的，其它的库则会少很多
对于定长的编码格式，它在解析的时候是比较快的，对于不定长的,就会慢点

只有 UTF-8 兼容 ASCII，UTF-32 和 UTF-16 都不兼容 ASCII，因为它们没有单字节编码

核心：现在的计算机内存基本采用Unicode编码，硬盘采用utf-8 编码
内存中的数据需要快速转换，对于定长编码，可以提高速度，但是对于存储到硬盘则不需要快速转换，那这里也可以解释一个问题，我们从硬盘加载一个文件到内存，会首先根据它的编码来把它转换为unicode编码，这个过程就比较耗时间，如果是二进制的话，则可以直接读取

查看字体库

在c:Windows/Fonts下放着一堆字体，我们可以去借助字体库翻译网站，来查看字体库中的内容

文件

我们日常接触到的文件分为两种：ascall文件和二进制文件
ascall文件里：只包含94个形象码和1和空格码，不包含看不见的33个控制码
二进制文件：包含33个看不见的控制码和非美标码
也许你会很困惑，为啥只有这两种文件，因为不管是运行内存还是硬盘，他们的存储单位都是一个字节，8个二进制
对于ascall码文件直接比较ascall表就可以直接取出字符了
但对于二进制文件这里就有要区分了