PHP中的字符串处理 - unicode，gbk，ASCII，ISO-8859，utf-8，utf-16，utf-32

1、字符集：
ASCII：American Standard Code for Information Interchange，美国标准信息交换代码，主要用于显示英语，单字节，已使用127个，第8位为0。

ISO-8859：又称为 扩充ASCII(或高ASCII)字符集，为了满足部分欧洲国家的需求，单字节，255个，第8位为1。

GBK：汉字内码扩展规范，兼容GB2312，包含ASCII，单字节，双字节。

unicode：统一码，包含全世界所有的字符，最大支持四个字节。

2、编码解码方式：
有了字符集之后，单个字符及其对应的码就能对照上了，那么问题是，如何表示字符串呢？在网络世界，数据的传输是二进制形式进行的，我们可以以十六进制来表示，比如，从网络传来了一组数据，转换成十六进制为：1A 2B CC EE 这四个字节，你该如何拆分哪几个字节是一个字符呢？，要知道unicode中的字符可以是一个字节，两个字节，三个字节，甚至四个字节，对于这四个字节的数据，你完全可以当成四个字符，三个字符，两个字符，一个字符。对了，就是字符和字符之间要是有标志就好了，这样程序才能区分哪几个字节应该被当做一个字符，然后去对照Unicode字符集，于是UTF就诞生了。

UTF是"Unicode Transformation Format"的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。分为 utf-8，utf-16，utf-32；分别表示一个字节长度，两个字节长度，四个字节长度。

既然unicode最大支持四个字节，那么最简单的方式就每个字符使用四个字节来存储，既能满足现在的需求，也能满足未来的需求，但是这样做岂不是太浪费存储空间和网络带宽了吗，于是就选择了粒度最小的utf-8。

以下是utf-8的编码规则：

由以上二进制表示方式，可明显的看到一个字符的起始位置，不管该字符是几个字节表示。比如，我要传输一个字符串：rxy中国

字符	unicode码	二进制	UTF-8
r	U+0072	1110010	01110010
x	U+0078	1111000	01111000
y	U+0079	1111001	01111001
中	U+4e2d	1001110 00101101	11100100 10111000 10101101
国	U+56fd	1010110 11111101	11100101 10011011 10111101

规则是这样的，比如“国”字，
1010110 11111101 按照第三个模板
1110xxxx 10xxxxxx 10xxxxxx
有16个x，也就是两个字节的位置，因此我们将”国“字拆分为3-6-6，即
101 011011 111101 分别对应 xxxx xxxxxx xxxxxx 于是要在高位补0，就是
0101 011011 111101 然后带入模板就是
11100101 10011011 10111101

可见，对于多字节字符，使用utf-8传输过来的二进制和原始的二进制的值(也就是unicode的值)是不一样的，但是可以通过算法相互转化的，这是由程序底层来完成的，所以在上层，只要网络两端的编码规则一致，那么你接收的数据就不需要转码。实际上我们并不需要知道utf-8的值，因为真正用来展示的是unicode对应的字符。

查看 / 设置 当前环境的编码规则

mb_internal_encoding() - 设置 / 获取内部字符编码规则

echo mb_internal_encoding(); // UTF-8
mb_internal_encoding("UTF-8"); // TRUE