常见编码格式UTF-8 GBK GB2312 ASCII Unicode 的区别

ASCII码

标准ASCII码的长度为1个字节，指定一个字节的低7位来表示128种可能的字符。

包括所有的大写和小写字母，数字0 到9、标点符号等，如大写字母A的编码是65，小写字母z的编码是122。

GB2312

标准的ASCII码只有1个字节，显然无法对中文进行编码，对此，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。

GB2312是对ASCII码的一个拓展，当存储英文字符时，使用一个字节存储，其大小为0~127。当存储中文字符时，使用两个字节存储，高低位都存放大于127的数字。

当读取高位字节时，若大于127，则认为是中文字符，将读取双字节进行识别，若小于127，则认为是英文字符，单字节识别。另外，GB2313在大于127位的编码库也提供了中文符号的编码，故英文标点符号称做半角符号，中文标点符号称作全角符号。

GBK

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。

Unicode

GB2312和GBK虽然解决了中文编码问题，但全世界有上百种语言，各国有各国的标准，就会不可避免地出现冲突。Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。

通常情况下，Unicode长度为2个字节，对于生僻字其用4个字节来表示，它将ASCII的长度由8位扩展为16位。

目前的Unicode字符分为17组编排，0x0000 至 0x10FFFF，每组称为平面（Plane），而每平面拥有65536个码位，共1114112个。然而目前只用了少数平面。UTF-8，UTF-16，UTF-32都是将数字转换到程序数据的编码方案。

UTF-8

UTF-8是Unicode的实现方式之一，它对不同范围的字符使用不同长度的编码。

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。