字符编码简单总结-ASCII、ASNI、GB2312、Unicode、UTF-8

目前的文字编码标准主要有 ASCII、GB2312、GBK、Unicode等。ASCII 编码是最简单的西文编码方案。GB2312、GBK、GB18030 是汉字字符编码方案的国家标准。ISO/IEC 10646 和 Unicode 都是全球字符编码的国际标准。

1、ASCII码—美国信息交换标准代码，共128个字符，用于英语/西欧语言显示

ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准，并等同于国际标准ISO/IEC 646。ASCII共定义了128个字符。
常见ASCII码的大小规则：0_9<AZ<a~z。几个常见字母的ASCII码大小： “A”为65；“a”为97；“0”为 48 。

2、ASNI—ASCII的扩展，Windows系统中代表系统默认编码（不固定）

ASNI 是ASCII的扩展，向下包含 ASCII。对于ASCII字符仍以一个字节来表示，对于非ASCII字符则使用2字节来表示。并没有固定的ASNI 编码，它跟本地化密切相关，不同的国家和地区制定了不同的标准。中国大陆ANSI的默认编码是GB2312；在港澳台地区默认编码是BIG5。以数值“0xd0d6”为例，对于 GB2312 编码它表示“中”；对于 BIG5 编码它表示“笢”。

3、常见中文编码GB2312（简体）/ BIG5（繁体）/ GBK（GB2312的扩展）/ GB18030（最新最全）

GB2312 ：1980 年制定的中国汉字编码国家标准。共收录 7445 个字符，其中汉字 6763 个。GB2312 兼容标准 ASCII码，采用扩展 ASCII 码的编码空间进行编码，一个汉字占用两个字节，每个字节的最高位为 1。 具体办法是：收集了 7445 个字符组成 94*94 的方阵，每一行称为一个“区”，每一列称为一个“位”，区号位号的范围均为 01-94，区号和位号组成的代码称为“区位码”。为了兼容标准 ASCII 码，给国标码的每个字节加 0xa0，这样高低字节的第8位都变成了1。一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。区位码=区字节+位字节（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）。

BIG5 ： GB2312面向简体中文字符集，并不支持繁体汉字，1984年台湾五大厂商宏碁、神通、佳佳、零壹以及大众一同制定了一种繁体中文编码方案BIG5。大五码采用双字节编码，第1字节范围0x81－0xFE，避开了同ASCII码的冲突，第2字节范围是0x40－0x7E和0xA1－0xFE。

GBK ： 《汉字内码扩展规范》(GBK) 于1995年制定，兼容GB2312、GB13000-1、BIG5 编码中的所有汉字，使用双字节编码，编码空间为 0x8140～0xFEFE，共有 23940 个码位，其中 GBK1 区和 GBK2 区也是 GB2312 的编码范围。收录了 21003 个汉字。GBK向下与 GB 2312 编码兼容，向上支持 ISO 10646.1国际标准。

GB18030 ：《信息交换用汉字编码字符集基本集的补充》是我国继GB2312-1980和GB13000-1993之后最重要的汉字编码标准，2000年发布的，并且将作为一项国家标准在2001年的1月正式强制执行。以汉字为主并包含多种我国少数民族文字（如藏、蒙古、傣、彝、朝鲜、维吾尔文等）的超大型中文编码字符集强制性标准，其中收入汉字70000余个 。

4、国际码Unicode包含各国语言业界标准，编码方式UTF-8/UTF-16等

Unicode（中文：万国码、国际码、统一码、单一码）是计算机科学领域里的一项业界标准。Unicode是为了解决传统的字符编码方案的局限而产生的，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 ，1994年正式公布。UNICODE 仍然向下兼容 ASCII，数值范围是 0x0000 至 0x10FFFF，可以表示 100 多万个字符。
Unicode的编码方案又叫Unicode转换格式，简称为UTF（Unicode Transformation Format），包括UTF-16、UTF-32以及UTF-8等。
UTF-8是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。UTF-8使用一至六个字节为每个字符编码（后续标准更新，实际最多4字节）。