字符编码

一   ASCII码：

       计算机内部，每一个二进制位（bit）有0和1两种状态，一个字节（byte），八个二进制位就可以组合出256种状态。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。

      ASCII码记录英文字符和二进制位之间的关系。ASCII码一共规定128个字符，占一个字节的后7位，最前面一位统一规定为1。

二  非ASCII码：

      用128个符号足够表示英文符号，但是不足以表示其他符号。因此开始利用闲置的最高位编入新的符号。不同的编码128～256这一段表示的符号不同，但是0～127位表示的符号是相同的。

     简体中文常用的编码方式是GB2312，使用两个字节表示一个汉字，理论上可以表示256*256=65536个符号。

     虽然都是用多个字节表示一个符号，但是GB类的汉字编码与Unicode 和 UTF-8 是毫无关系的。

三  Unicode：

      unicode：将世界上所有符号都纳入其中，每一个符号给予一个独一无二的编码（这样的话乱码问题就会消失）。

      unicode是一个很大的集合，现在的规模可以容纳100多万个符号。

      问题：     unicode是一个符号集，只规定了符号的二进制代码，却没有规定这个二进制代码该如何存储。

                       有的符号占用两个字节，有的符号只占用一个字节，无法明确规定unicode的存储模式。

     造成的结果：1）出现了 Unicode 的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示 Unicode。2）                                      Unicode 在很长一段时间内无法推广，直到互联网的出现。

四  UTF-8

     UTF-8是使用最普及的一种Unicode实现方式

     UTF-8是一种变长的编码方式，可以用1～4个字节表示一个符号，根据不同符号变换字节长度。

    编码规则：

        1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。

       2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码

      

小提示：

        ANSI是默认的编码方式。对于英文文件是ASCII编码，对于简体中文文件是GB2312编码（只针对 Windows 简体中文版，如果是繁体中文版会采用 Big5 码）。

参考：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html