字符编码ANSI、ASCII、GB2312、GBK、GB18030、UNICODE、UTF-8小结

      编码和解码可以理解成二进制和字符(广义的字符，包括汉字等)的映射表，编码即从字符映射至二进制，解码则为逆过程。

1.英语字符编码ASCII

   开始计算机只在美国用。8字节一共可以组合出256(2的8次方)种不同的状态。美国人把其中的编号从0开始的32种状态分别规定了特殊的用途，一但终端、打印机遇上约定好的这些字节被传过来时，就要做一些约定的动作。遇上00x10, 终端就换行，遇上0x07, 终端就向人们嘟嘟叫，例好遇上0x1b, 打印机就打印反白的字，或者终端就用彩色显示字母。他们看到这样很好，于是就把这些0x20以下的字节状态称为"控制码"。

　 他们又把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这样计算机就可以用不同字节来存储英语的文字了。大家看到这样，都感觉很好，于是大家都把这个方案叫做 ANSI 的"ASCII"编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上所有的计算机都用同样的ASCII方案来保存英文文字。

    随着世界各地的都开始使用计算机，但是很多国家用的不是英文，他们的字母里有许多是ASCII里没有的，为了可以在计算机保存他们的文字，他们决定采用127号之后的空位来表示这些新的字母、符号，还加入了很多画表格时需要用下到的横线、竖线、交叉等形状，一直把序号编到了最后一个状态255。从128到255这一页的字符集被称"扩展字符集"。

    简而言之，ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

2.中文编码GB2312、GBK、GB18030

     GB2312：GB2312 是对 ASCII 的中文扩展。中国人得到计算机时，已经没有可以利用的字节状态来表示汉字，况且有6000多个常用汉字需要编码。我们规定：一个小于127的字符的意义与原来相同(同ASCII)，但两个大于127的字节连在一起时，就表示一个汉字，其中高字节范围规定为从0xA1—0xF7，低字节范围规定为从0xA1—0xFE。这套编码中，不仅包括了7000多个常用简体汉字，还包括数学符号、罗马希腊字母、日文假名。 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，即所谓的"全角"字符，而原来在127号以下的那些就叫"半角"字符了。GB2312使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。

     GBK 标准：由于中国仍旧有许多偏僻字无法表示。后来规定：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。即形成GBK标准，GBK 包括了 GB2312 的所有编码，同时又增加了近20000个新的汉字（包括繁体字）和符号。GBK标准包括拉丁字母、汉字、日文、韩文、俄文，不包括俄语、葡萄牙语。

     GB18030标准：扩展至少数民族字母符号。

      这一系列标准称为 "DBCS"（Double Byte Charecter Set 双字节字符集）。其最大的特点是2字节长的汉字字符和1字节长的英文字符并存于同一套编码方案里。以前的程序程序为了支持中文处理，必须要注意字串里的每一个字节的值，如果这个值是大于127的，那么就认为一个双字节字符集里的字符出现了。注意，G