简要描述ASCII、GBK、Unicode、UTF-8几种字符编码

字符：人们使用的记号，抽象意义上的一个符号。如：‘你’、‘我’，‘他’，‘a’，‘&’等……
字节：计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。

       我们知道，人类可以很容易地识别和理解字符，而计算机只能识别一个二进制的字符串，每个二进制位（bit）有0和1两种状态，如‘10011001’。所以当我们想要计算机存储某个字符时，该如何表示呢？机智的你肯定想到，将字符和二进制字符串一一对应起来，存储时计算机只要存储相对应的二进制字符串就可以了。没错，这种将字符映射到唯一一种状态（二进制字符串）的规则，就是编码。

1.ASCII（American Standard Code for Iformation Interchange,美国信息互换标准代码）

       开始计算机只在美国用，人们发现将所有的英文字母和特殊符号进行编码，只需要127种状态，而一个8位的二进制字符串可以组合出256（2的8次方）种不同的状态，美国人民觉得，嗯，一个字节足以表示所有的英文文字了。因此，最早的字符编码ASCII也被称为单字节字符集。

2.GB2312

       随着计算机的普及，当中国人使用计算机时，发现ASCII剩下的字节状态已经不能够表示中国的常用汉字，于是，在ASCII的基础上，人们制定了一套新的规则：一个小于127的字节（二进制字符串）的意义与原来相同，但两个大于127的字节连在一起时，就表示一个汉字，前面的一个字节（称为高字节）从OxA1用到OxF7，后面一个字节（称为低字节）从OxA1用到OxFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，数学符号、罗马希腊的字母等也被编进去了，而在ASCII里本来就有的数字、标点、字母也都全部重新编了两个字节长的编码，这就是常说的“全角”字符，而原来在127以下的那些就叫“半角”字符了。这种编码方案就叫GB2312。

3.GBK

       但是中国的汉字实在太多了，人们发现GB2312支持的汉字完全不够用，于是继续将GB2312没有用到的码位找出来用上，后来发现还是不够用，就干脆不再要求低字节一定是127之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。这种扩展之后的编码方案被称为GBK，增加了近20000个新的汉字（包括繁体字）和符号。

4.GB18030

       2000年，GBK扩展为GB18030，新增了藏文、蒙文、维吾尔文等主要的少数民族文字。

       从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是相同的编码，后面的标准支持更多的字符。GB2312、GBK和GB18030又被通称为DBCS（Double Byte Charecter Set，双字节字符集）

5.Unicode（Universal Multiple-Octet Coded Character Set，统一码/万国码/单一码）

       显然，世界上除了英文和汉字，还有很多其他语言，上述编码方案明显不能支持其他语言，因此当时每个国家都像中国这样制定出一套自己的编码标准，但结果是互相之间谁也不懂谁的编码，谁也不支持别人的编码。为了解决这个问题，ISO（国际标准化组织）决定：废了所有的地区性编码方案，重新推出一种包含地球上所有文化、所有字母和符号的编码，即Unicode。
       Unicode规定必须使用两个字节，也就是16位来统一表示所有的字符。对于ASCII里的那些“半角”字符，Unicode保持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则重新统一编码。由于“半角”英文字符只需要用到低8位，所以其高8位永远是0，所以这种编码方案在保存英文文本时会多浪费一倍的空间。

6.UTF-8

       UTF-8是一种变长编码方式，使用1-4个字节进行编码。是对Unicode编码的压缩和优化，完全兼容ASCII编码，对ASCII码中的内容用1个字节保存，欧洲的字符用2个字节保存，东亚的字符用3个字节保存……

参考文章：http://blog.csdn.net/fanwenbo/article/details/2298800