ASCII
分两种
基本ASSIC字符集（ ISO646）
高位为0，使用低7位编码
共有 128 个字符，其中有 96 个可打印字符，包括常用的字母、数字、标点符号等，另外还有 32 个控制字符。
扩展ASSIC字符集（ISO2022）
为满足不同国家的需求，在保持与 ISO646 兼容的前提下将 ASCII 字符集扩充为 8 位代码的统一方法，通过高位为1，可最多扩充128位
ISO 陆续制定了一批适用于不同地区的扩充 ASCII 字符集，
ISO 8859-1 又称 Latin-1
属于一种扩展的ASSIC字符集
它以ASCII为基础，在其空置的0xA0-0xFF的范围内，加入96个字母及符号，藉以供使用变音符号的拉丁字母语言使用。
此字符集用来支援部分于欧洲使用的语言，根据不同地区的需求，后面的“1”标志可能不同
兼容性
所以是兼容ASSIC的
ANSI 或 MBCS （Muilti-Bytes Charecter Set，多字节字符集） （并不是实际编码，多字节编码的统称）
为了扩充ASCII编码，以用于显示本国的语言，不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。
这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码，又称为"MBCS（Muilti-Bytes Charecter Set，多字节字符集）"
例如：在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码
转换
其中每个语言下的ANSI编码，都有一套一对一的编码转换器，Unicode变成所有编码转换的中间介质。
所有的编码都有一个转换器可以转换到Unicode，而Unicode也可以转换到其他所有的编码
GB2312
为了满足国内在计算机中使用汉字的需要，中国国家标准总局发布了一系列的汉字字符集国家标准编码，统称为GB码，或国标码
其中1980发布的标准号标准号为GB 2312-1980使用最为普遍，即我们的GB2312，GB2312是ANSI编码里的一种
兼容性
GB2312是一个简体中文字符集，GB2312编码用两个字节表示一个汉字
向下兼容ASSIC的
编码
汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE
即双字节位都没用完
收录
共7445，其中
共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；
收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
GBK
GB2312的出现，基本满足了汉字的计算机处理需要，但对于人名、古汉语等方面出现的罕用字，并不能处理
这导致了后来GBK及GB 18030汉字字符集的出现，GBK即汉字内码扩展规范，K为扩展的汉语拼音中“扩”字的声母。
兼容性
向下完全兼容GB2312标准，和ASSIC，且包含了big5的所有汉字（即所有繁体文，但是包含而不是兼容！！！
编码方式
GBK编码汉字使用了双字节编码方案，其编码范围从8140至FEFE（剔除xx7F）
总体上说第一字节的范围是81–FE（也就是不含80和FF），第二字节的一部分领域在40–7E，其他领域在80–FE
收录
共23940个码位，共收录了21003个汉字，完全兼容GB2312-80标准，
支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字
gb18030
包含两个版本 GB18030-2000和GB18030-2005
标准采用单字节、双字节和四字节三种方式对字符编码。是对gbk的扩展
GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了CJK统一汉字扩充A的汉字。
GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字（CJK就是中日韩的意思）
同时都还收录了藏文、蒙文、维吾尔文等主要的少数民族文字
兼容性
GB18030的编码采用单字节、双字节和4字节方案。其中单字节、双字节和GBK是完全兼容的。4字节编码的码位就是收录了CJK扩展A的6582个汉字
向下兼容gbk gb2312 assic
BIG5
在台湾、香港与澳门地区，使用的是繁体中文字符集。而1980年发布的GB2312面向简体中文字符集，并不支持繁体汉字
兼容性
因为Big5的字符编码范围同GB2312字符的存储码范围存在冲突，所以在同一正文不能对两种字符集的字符同时支持
所以并不被gbk等兼容的，但注意gbk包含了繁体中文了，但码值和big5是不同的
big5 是兼容 assic的
编码
每个字符统一使用两个字节存储表示。“高位字节”使用了0x81-0xFE，“低位字节”使用了0x40-0x7E，及0xA1-0xFE
Base64
Base64是网络上最常见的用于传输8Bit字节代码的编码方式之一
他把所有编码都转为可见的ASSIC码表示
在有的信息传递时，只支持标准的ASSIC码，所以高位为1的码，都会被强制为0，这样就造成了乱码
Base64把所有编码转为标准的ASSIC码，并且可以转回去
例如：
有的电子邮件系统不支持非英文字母，这是历史原因造成的
为了能让邮件正常的收发信件，就需要把由其他编码存储的符号转换成ASCII码来传输。
在一端发送GB2312编码－>根据Base64规则－>转换成ASCII码，接收端收到ASCII码－>根据Base64规则－>还原到GB2312编码
//==================接下来是Unicode的世界======================//
Unicode 万国码
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
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编码，以满足跨语言、跨平台进行文本转换、处理的要求
（这使得你你可在一片文章中通览各国语言，而不会出现乱码了，呵呵）
优缺点
Unicode固然统一了编码方式，但是它的效率不高。可能浪费没用表示，这对存储和传输来说都很耗资源
兼容性
其首256字符保留给ISO 8859-1所定义的字符
注意包含和兼容的区别，Unicode包含各国字符，但只完全兼容ISO 8859-1
表示方式：
在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符
UCS-2 用U+ 4位十六进制字符 即2字节描述
UCS-4 用U+ 8位十六进制字符 即4字节描述
注意这是编码方式而不是，实现方式。识别时需要由实现方式的码转为编码方式的码，然后去判断哪个字符呢
层次 （Unicode 编码系统，可分为编码方式和实现方式两个层次）
编码方式 UCS （Universal Character Set）
编码方式分为两个等级，（注意编码方式，只是定义了每个码位的意义，而并不是指计算机里就是这么存储的）
UCS-2
用两个字节码编码 共2^16=65536个码位
UCS-4
用4个字节码编码 （实际上只用了31位，最高位必须为0） 有2^31=2147483648个码位
由最高字节分成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256rows，最后，每行包含256个cells
BMP : group0的plane0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
码位：
每个plane有2^16=65536个码位，而Unicode计划用17个码位，共17*65536=1114112个码位
即可用数字0-0x10FFFF来映射这些字符，UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案
实现方式 UTF（Unicode Transformation Format）
实现方式是将编码方式转换到程序数据的方案
UTF-32
UTF-32编码以32位无符号整数为单位。UTF-32实现码就是其对应的USC-4的32位无符号整数
分大小端：UTF-32BE（Big Endian），UTF-32LE（Little Endian）
虽然转换简单，但是很是浪费啊，统一用1个32位无符号数表示，即存储时要用4字节来存储
UTF-16
UTF-16编码以16位无符号整数为单位 分大小端：UTF-16BE（Big Endian），UTF-16LE（Little Endian）
转换方式
如果U编码<0x10000，UTF-16的实现码就是U编码对应的16位无符号整数
如果U编码≥0x10000，我们先计算U'=U-0x10000，然后将U'写成二进制形式：yyyy yyyy yyxx xxxx xxxx
U编码的UTF-16实现码就是：110110yyyyyyyyyy 110111xxxxxxxxxx
为什么U'可以被写成20个二进制位？Unicode的最大码位是0x10ffff，减去0x10000后，U'的最大值是0xfffff，
所以肯定可以用20个二进制位表示
所以需要1-2个16位的无符号数，即要么2个字节，要么4个字节去表示
所以对于USC-2的所有码位，其作为UTF-16来实现时，实现码就是其编码（不过要注意大小端）
UTF-8
UTF-8以字节为单位对Unicode进行编码，所以避免了大小端的问题，同时也不像utf-16和32那样浪费数据
根据码位的分布，可采用1-4个字节去表示, 是兼容ASSIC的
到底是多少个字节来表示一个字符，是通过首字节的高几位来区分的，具体转换方式参加百度百科
即使只考虑用4位表示，当4位时，能随机变的位数也有21位，完全能满足Unicode的1114112个码位
分两种
基本ASSIC字符集（ ISO646）
高位为0，使用低7位编码
共有 128 个字符，其中有 96 个可打印字符，包括常用的字母、数字、标点符号等，另外还有 32 个控制字符。
扩展ASSIC字符集（ISO2022）
为满足不同国家的需求，在保持与 ISO646 兼容的前提下将 ASCII 字符集扩充为 8 位代码的统一方法，通过高位为1，可最多扩充128位
ISO 陆续制定了一批适用于不同地区的扩充 ASCII 字符集，
ISO 8859-1 又称 Latin-1
属于一种扩展的ASSIC字符集
它以ASCII为基础，在其空置的0xA0-0xFF的范围内，加入96个字母及符号，藉以供使用变音符号的拉丁字母语言使用。
此字符集用来支援部分于欧洲使用的语言，根据不同地区的需求，后面的“1”标志可能不同
兼容性
所以是兼容ASSIC的
ANSI 或 MBCS （Muilti-Bytes Charecter Set，多字节字符集） （并不是实际编码，多字节编码的统称）
为了扩充ASCII编码，以用于显示本国的语言，不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。
这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码，又称为"MBCS（Muilti-Bytes Charecter Set，多字节字符集）"
例如：在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码
转换
其中每个语言下的ANSI编码，都有一套一对一的编码转换器，Unicode变成所有编码转换的中间介质。
所有的编码都有一个转换器可以转换到Unicode，而Unicode也可以转换到其他所有的编码
GB2312
为了满足国内在计算机中使用汉字的需要，中国国家标准总局发布了一系列的汉字字符集国家标准编码，统称为GB码，或国标码
其中1980发布的标准号标准号为GB 2312-1980使用最为普遍，即我们的GB2312，GB2312是ANSI编码里的一种
兼容性
GB2312是一个简体中文字符集，GB2312编码用两个字节表示一个汉字
向下兼容ASSIC的
编码
汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE
即双字节位都没用完
收录
共7445，其中
共收录6763个汉字，其中一级汉字3755个，二级汉字3008个；
收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
GBK
GB2312的出现，基本满足了汉字的计算机处理需要，但对于人名、古汉语等方面出现的罕用字，并不能处理
这导致了后来GBK及GB 18030汉字字符集的出现，GBK即汉字内码扩展规范，K为扩展的汉语拼音中“扩”字的声母。
兼容性
向下完全兼容GB2312标准，和ASSIC，且包含了big5的所有汉字（即所有繁体文，但是包含而不是兼容！！！
编码方式
GBK编码汉字使用了双字节编码方案，其编码范围从8140至FEFE（剔除xx7F）
总体上说第一字节的范围是81–FE（也就是不含80和FF），第二字节的一部分领域在40–7E，其他领域在80–FE
收录
共23940个码位，共收录了21003个汉字，完全兼容GB2312-80标准，
支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字
gb18030
包含两个版本 GB18030-2000和GB18030-2005
标准采用单字节、双字节和四字节三种方式对字符编码。是对gbk的扩展
GB18030-2000是GBK的取代版本，它的主要特点是在GBK基础上增加了CJK统一汉字扩充A的汉字。
GB18030-2005的主要特点是在GB18030-2000基础上增加了CJK统一汉字扩充B的汉字（CJK就是中日韩的意思）
同时都还收录了藏文、蒙文、维吾尔文等主要的少数民族文字
兼容性
GB18030的编码采用单字节、双字节和4字节方案。其中单字节、双字节和GBK是完全兼容的。4字节编码的码位就是收录了CJK扩展A的6582个汉字
向下兼容gbk gb2312 assic
BIG5
在台湾、香港与澳门地区，使用的是繁体中文字符集。而1980年发布的GB2312面向简体中文字符集，并不支持繁体汉字
兼容性
因为Big5的字符编码范围同GB2312字符的存储码范围存在冲突，所以在同一正文不能对两种字符集的字符同时支持
所以并不被gbk等兼容的，但注意gbk包含了繁体中文了，但码值和big5是不同的
big5 是兼容 assic的
编码
每个字符统一使用两个字节存储表示。“高位字节”使用了0x81-0xFE，“低位字节”使用了0x40-0x7E，及0xA1-0xFE
Base64
Base64是网络上最常见的用于传输8Bit字节代码的编码方式之一
他把所有编码都转为可见的ASSIC码表示
在有的信息传递时，只支持标准的ASSIC码，所以高位为1的码，都会被强制为0，这样就造成了乱码
Base64把所有编码转为标准的ASSIC码，并且可以转回去
例如：
有的电子邮件系统不支持非英文字母，这是历史原因造成的
为了能让邮件正常的收发信件，就需要把由其他编码存储的符号转换成ASCII码来传输。
在一端发送GB2312编码－>根据Base64规则－>转换成ASCII码，接收端收到ASCII码－>根据Base64规则－>还原到GB2312编码
//==================接下来是Unicode的世界======================//
Unicode 万国码
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
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编码，以满足跨语言、跨平台进行文本转换、处理的要求
（这使得你你可在一片文章中通览各国语言，而不会出现乱码了，呵呵）
优缺点
Unicode固然统一了编码方式，但是它的效率不高。可能浪费没用表示，这对存储和传输来说都很耗资源
兼容性
其首256字符保留给ISO 8859-1所定义的字符
注意包含和兼容的区别，Unicode包含各国字符，但只完全兼容ISO 8859-1
表示方式：
在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符
UCS-2 用U+ 4位十六进制字符 即2字节描述
UCS-4 用U+ 8位十六进制字符 即4字节描述
注意这是编码方式而不是，实现方式。识别时需要由实现方式的码转为编码方式的码，然后去判断哪个字符呢
层次 （Unicode 编码系统，可分为编码方式和实现方式两个层次）
编码方式 UCS （Universal Character Set）
编码方式分为两个等级，（注意编码方式，只是定义了每个码位的意义，而并不是指计算机里就是这么存储的）
UCS-2
用两个字节码编码 共2^16=65536个码位
UCS-4
用4个字节码编码 （实际上只用了31位，最高位必须为0） 有2^31=2147483648个码位
由最高字节分成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256rows，最后，每行包含256个cells
BMP : group0的plane0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
码位：
每个plane有2^16=65536个码位，而Unicode计划用17个码位，共17*65536=1114112个码位
即可用数字0-0x10FFFF来映射这些字符，UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案
实现方式 UTF（Unicode Transformation Format）
实现方式是将编码方式转换到程序数据的方案
UTF-32
UTF-32编码以32位无符号整数为单位。UTF-32实现码就是其对应的USC-4的32位无符号整数
分大小端：UTF-32BE（Big Endian），UTF-32LE（Little Endian）
虽然转换简单，但是很是浪费啊，统一用1个32位无符号数表示，即存储时要用4字节来存储
UTF-16
UTF-16编码以16位无符号整数为单位 分大小端：UTF-16BE（Big Endian），UTF-16LE（Little Endian）
转换方式
如果U编码<0x10000，UTF-16的实现码就是U编码对应的16位无符号整数
如果U编码≥0x10000，我们先计算U'=U-0x10000，然后将U'写成二进制形式：yyyy yyyy yyxx xxxx xxxx
U编码的UTF-16实现码就是：110110yyyyyyyyyy 110111xxxxxxxxxx
为什么U'可以被写成20个二进制位？Unicode的最大码位是0x10ffff，减去0x10000后，U'的最大值是0xfffff，
所以肯定可以用20个二进制位表示
所以需要1-2个16位的无符号数，即要么2个字节，要么4个字节去表示
所以对于USC-2的所有码位，其作为UTF-16来实现时，实现码就是其编码（不过要注意大小端）
UTF-8
UTF-8以字节为单位对Unicode进行编码，所以避免了大小端的问题，同时也不像utf-16和32那样浪费数据
根据码位的分布，可采用1-4个字节去表示, 是兼容ASSIC的
到底是多少个字节来表示一个字符，是通过首字节的高几位来区分的，具体转换方式参加百度百科
即使只考虑用4位表示，当4位时，能随机变的位数也有21位，完全能满足Unicode的1114112个码位
612
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
