编码和字符、字节之间的故事

发展：ASCII(英文)–ANSI(GB2312汉字标准，两个字节)–UNICODE（国际化）

        使用哪些字符。也就是说哪些汉字，字母和符号会被收入标准中。所包含“字符”的集合就叫做 “字符集”。规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”。 我们实际上没有必要去深究每一种编码具体把某一个字符编码成了哪几个字节，我们只需要知道“编码”的概念就是把“字符”转化成“字节”就可以了。
理解编码的关键，是要把字符的概念和字节的概念理解准确。这两个概念容易混淆，我们在此做一下区分：

种类	概念描述	举例
字符	人们使用的记号，抽象意义上的一个符号。	‘1’, ‘中’, ‘a’, ‘$’, ‘￥’, ……
字节	计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。	0x01, 0x45, 0xFA, ……
ANSI字符串	在内存中，如果“字符”是以 ANSI 编码形式存在的，一个字符可能使用一个字节或多个字节来表示，那么我们称这种字符串为 ANSI 字符串或者多字节字符串。	“中文123”（占7字节）
UNICODE字符串	在内存中，如果“字符”是以在 UNICODE 中的序号存在的，那么我们称这种字符串为UNICODE 字符串或者宽字节字符串。	L"中文123"（占10字节）

        由于不同 ANSI 编码所规定的标准是不相同的，因此，对于一个给定的多字节字符串，我们必须知道它采用的是哪一种编码规则，才能够知道它包含了哪些“字符”。而对于 UNICODE 字符串来说，不管在什么环境下，它所代表的“字符”内容总是不变的。
        GBK和gb2312： 总体说来，GBK包括所有的汉字，包括简体和繁体。而gb2312则只包括简体汉字。都是采用英文一字节保存，中文两个字节
        UTF-8: 英文1个字节，中文3个字节，不仅考虑了编码，还考虑了存储
        在 ASCII 阶段， 单字节字符串使用一个字节存放一个字符（SBCS）
        在使用 ANSI 编码支持多种语言阶段，每个字符使用一个字节或多个字节来表示（MBCS），每个汉字占2个字节，每个英文和数字字符占1个字节
        在 UNICODE 被采用之后，计算机存放字符串时，改为存放每个字符在 UNICODE 字符集中的序号。目前计算机一般使用 2 个字节（16 位）来存放一个序号（DBCS）
        UNICODE 字符集包含了各种语言中使用到的所有“字符”。用来给 UNICODE 字符集编码的标准有很多种，比如：UTF-8, UTF-7, UTF-16, UnicodeLittle, UnicodeBig 等。单纯的unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储。