几种字符编码的理解

对几种字符编码的理解：

大体描述一下：防止忘掉。

 

1.ASCII码

   这个不用多说，美国标准，最通用的编码。（0-127）,使用到一个字节的低7位。

2.ISO-8859-1

   ISO为西欧语言中的字符制定的编码。使用全部的一个字节进行编码。与ASCII兼容。

3.ANSI

   这个根据不同的操作系统不同，理解为本地系统编码。(例如中文为GB2312，GBK，GB118030，日文为JIS。

   以GB118030为例(winxp应该是以GB118030作为内码）说明汉字显示原理：

   中文输入法根据拼音找到要输出的汉字，可以找到汉字的区位码，显示到屏幕上是转换为内码表示的，计算机

   根据内码计算出此汉字的区位码，得到字模点阵信息，通过操作系统调用写显存，把汉字输出到屏幕上。

    (汉字显示原理 属于本人理解，不敢确定如此)

4.unicode

    因为各种操作系统的编码不同，相同的字节串在不同的操作系统中会有不同的表现，例如会有乱码，

所以产生出unicode，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字节编码，以满足跨语言、跨平台进行文本转换、处理的要求。这样一个unicode编码只对应一个字符。不会出现乱码的情形。

-------------摘自http://blog.csdn.net/fmddlmyy/archive/2005/05/04/372148.aspx

UCS有两种格式：UCS-2和UCS-4。顾名思义，UCS-2就是用两个字节编码，UCS-4就是用4个字节（实际上只用了31位，最高位必须为0）编码。下面让我们做一些简单的数学游戏：

UCS-2有2^16=65536个码位，UCS-4有2^31=2147483648个码位。

UCS-4根据最高位为0的最高字节分成2^7=128个group。每个group再根据次高字节分为256个plane。每个plane根据第3个字节分为256行 (rows)，每行包含256个cells。当然同一行的cells只是最后一个字节不同，其余都相同。

group 0的plane 0被称作Basic Multilingual Plane, 即BMP。或者说UCS-4中，高两个字节为0的码位被称作BMP。

将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节，就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。

----------------------------------------------------------------------------------------------------------------------------------

5.utf8和utf16

utf应该是为unicode编码传输所做的实现。

网上有人说“unicode编码是一种编码标准，utf-8，utf-16应该是它的具体实现方法！”我同意。

utf-8 是以一个字节进行编码。编码算法比较简单。

 

UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：

UCS-2编码(16进制)	UTF-8 字节流(二进制)
0000 - 007F	0xxxxxxx
0080 - 07FF	110xxxxx 10xxxxxx
0800 - FFFF	1110xxxx 10xxxxxx 10xxxxxx

例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。

 

 

utf-16是以两个字节进行编码。

在unicode编码的code point 的U+0000-----U+FFFF范围内（称为基本的多语言级别），是和ucs2对应的，

每个字符用16位表示。称为code unit。

在U+10000到U+10FFFF范围的，是以两个code unit表示的。

例如，‘水’的unicode的code point为6C34，UTF-16码值为6C34.

             ‘