字符编码笔记

码位：每个字符在字符集中的编号，如在ASCII字符集中，空白符是编号0，回车是10。。以此类推。当字符数量很大的时候，使用分区的方式进行管理，比如GB2312字符集，有94个分区，每个分区内有94个位，这样每个字符的码位就不是从0开始数的，而是xx分区中的xx位。

编码：但是这个码位并不是最终在计算机中存储的数据。而是要根据码位以及相应字符集的转换规律，计算得出的数字才是真正的字符集编码。而且为了让计算机能区分不同的编码，各个标准都会设计使得转换后的编码的数值位于不同的区间，比如ACSII码是小于等于127的，GB2312的编码是大于127的，这样计算机读到一个大于127的数字时，就不会将其理解为ASCII码，而是依据当前设定的编码规则来解读了，可见，GB2312是兼容ASCII的。

码元：编码的基本单元/单位，不同编码格式的码元长度和码元数量不同，比如GB2312，码元为2字节长，而表示一个字符需要两个码元。比如utf8，码元1字节长，表示字符需要1-4个码元。

Unicode：用四个字节表示一个字符的字符集，能表示四十多亿个字符，覆盖世界上绝大部分字符，范围U+0000-10FFFF。

GB2312：大小为两个字节的编码，即两个字节表示一个汉字，能表示6763个汉字，并兼容ASCII

utf8：可变长编码，1字节到4字节长，而不是固定的四个字节，这样节省了空间。utf8对Unicode码位分为4个区间，最终转换出来的编码及其长度由该码位所在区间决定。

utf16：码元2字节长，“16”。对于U+0000-FFFF，一个码元就能表示，对于U+10000-10FFFF之间的0x100000个字符，需要两个码元表示，而Unicode空出了两个区间来组成(表示?)这4字节长的编码：U+D800-DBFF，U+DC00-DFFF，这两个区间刚好能表示0x400*0x400=0x100000个字符。

https://en.wikibooks.org/wiki/Unicode/Character_reference/D000-DFFF