字符编码的前世今身，ASCII、GBK、UTF-8的关系解密

引言：开发中经常遇到乱码等问题，这些和字符编码必不可分！ASCII码、GBK、UTF-8到底有有何过关系呢？

1.字符编码前世-ASCII码

在USA，字符有哪几种？英文 +  数字 + 标点符号 + 换行等控制字符，经统计共128个。

那么定义0-127共128个码位，分别对应128个字符，这就是ASCII字符集。

128个字符集，用二进制0、1表示，0000 0000 - 0111 1111这种八位的二进制表示，这就是ASCII码。

2.扩展ASCII码

计算机传入欧洲，出现额外的字符，作为扩充，从1000 0000扩充到1111 11111代表255中字符，

这就是扩展ASCII码。

3.GB2312

计算机来到中国，显然255个字符不够。同时，八位二进制已然不够，引入十六位（两个字节）的二进制。

对汉字进行分区管理：

 其中一级汉字为常用汉字，二级汉字为偏僻汉字。

每个区，带上区号 +  坐标位置为该字符的码位。如，y的码位为0389：

 ASCII码是直接将字符对应的ASCII字符集转二级制，那么GB2312码位和GB2312是如何转化？

将区号与坐标位置分别用十六进制0X标识，然后分别加上0XA0，再组合得到该字符的GB2312码。(高把位和低八位都+0XA0，高八位和低八位都大于127，和ASCII码直接区分开了)

 4.GB2312、GBK、GB18030有何关系？

GB2312 ： 6763个汉字，高位和低位都大于127；

GBK :  不再规定低位大于127，新增近20000个汉字和符号；

GB18030： 新增几千少数名族字符。

5. Unicode编码

我国（中国）引入了GBK编码，广而泛之，其他国家也有自己的编码字符，编码和解码方式不统一，各国交往就乱码~。ISO组织看不下去：把世界所有字符整合成一套，分配码位，出现Unicode标准。

unicode最开始使用ucs-2字符集：码位转16进制，2的16次方最多表示65536个字符，不够用。进而引入ucs-4字符集，采用32位，但是占用空间大。从而出现了utf-8编码，可变长编码，utf-8通用，但是在我国使用，可根据实际确定是否使用utf-8还是GBK，毕竟utf-8中中文需要占用三个字节，比GBK更占空间。

6.UTF8、UTF8-BOM、UTF8-SIG

utf8-bom是windows的一套做法，BOM即Byte Order Mark字节序标记。BOM是为UTF-16和UTF-32准备的，用户标记字节序（byte order）

Windows就是使用BOM来标记文本文件的编码方式的。慎用，linux上会出问题。带bom用utf8解析前面的bom会被解析成文本。

utf8-sig，sig全称signature，带签名的utf8，即utf8-bom。

完结！你学废了吗？！