常见几种编码格式及比较

ASCII码

ASCII是最常见，也是听到最多的，它总共有128个，用一个字节的低7位表示，0-31是控制字符如换行、回车删除等；32~126是打印字符，可以通过键盘输入并且能够显示出来，总共128符号（其中包括32个打印不出来的控制符号），只占用后7位，最前一位统一规定为0。

其中常用到的有：

字符	十进制
A	65
Z	90
a	97
z	122
0	48

GB2312

它的全程是《信息交换用汉字编码字符集 基本集》，它是双字节编码，总的编码范围是A1-F7,其中从A1-A9是符号区，总共包含682个字符，从B0-F7是汉字区，包含6763个汉字。

GBK

全称《汉字内码扩展规范》，是国家技术监督局为windows95所制定的新的汉字内码规范，它的出现是为了扩展GB2312，它相比较GB2312，主要是存的汉字更多总共有23940个码位，能表示21003个汉字，两者之间可以兼容。也就是说GB2312编码的汉字可以用GBK解码，不会出现乱码。
GBK就是在保存你的帖子的时候，一个汉字占用两个字节。。外国人看会出现乱码，此为我中华为自己汉字编码而形成之解决方案。

编码规则

GBK的中文编码是双字节来表示的，英文编码是用ASC||码表示的，既用单字节表示。但GBK编码表中也有英文字符的双字节表示形式。为区分中文，将其最高位都定成1。英文单字节最高位都为0。当用GBK解码时，若高字节最高位为0，则用ASC||码表解码；若高字节最高位为1，则用GBK编码表解码。总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。

Unicode(统一码、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。目前的Unicode字符分为17组编排，0x0000 至 0x10FFFF，每组称为平面（Plane），而每平面拥有65536个码位，共1114112个。然而目前只用了少数平面。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。Unicode属于字符集，不属于编码，UTF-8、UTF-16等是针对Unicode字符集的编码。

UTF-8

UTF-8是以字节单位对Unicode编码，第0-127位字符使用1个字节来表示（单个字母、数字符号等）和ASCII编码相同，其中大部分汉字采用三个字节编码。从128号之后开始根据字符选择要使用的字节位数。因此UTF-8被称为可变长编码。
UTF8就是在保存你的帖子的时候，一个汉字占用3个字节。。但是外国人看的话不会乱码，此为西人为了解决多字节字符而形成之解决方案。

编码规则：

如果一个字节，以11开头，连续的1的个数暗示这个字符的字节数，例如110x x x x x代表它是双字节UTF-8字符的首字节

十进制	Unicode	UTF-8
0-127	0x000000-0x00007F	0xxxxxxx(7位)
128-2047位	0x000080-0x0007FF	110xxxxx 10xxxxxx(11位)
2048-65535位	0x000800-0x00FFFF	1110xxxx 10xxxxxx 10xxxxxx(16位)
65536-1114111位	0x010000-0x10FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx(21位)

比如“严”的Unicode是4E25，对应二进制（100111000100101），根据上表，符合第三行格式“1110xxxx 10xxxxxx 10xxxxx”从最后一位二进制开始，依次从后向前填入格式中的x，多出来的补0；严的UTF-8编码为”11100100 10111000 10100101“转为十六进制就是E4B8A5.

UTF-16

UTF-16编码以16位无符号整数为单位，使用二或四个字节为每个字符编码，其中大部分汉字采用两个字节编码。

编码规则

十进制	Unicode	UTF-16
0-65535位	0x00000-0x00FFFF	xxxxxxxx xxxxxxxx(16位)
65536-1114111位	0x010000-0x10FFFF	110110yy yyyyyyyy 110111xx xxxxxxxx(20位)

与UTF-8相比虽然表示的方法简单方便，有很大一部分字符用一个字节就可以表示的现在要用两个字节表示，有占有的存储空间放大一倍，会增大网络传输的流量，而且没必要这么做。

UTF-32

UTF-32编码以32位无符号整数为单位。

编码规则

十进制	UNicode	UTF-32字节流
0-111411位	0x000000-0x10FFFFF	xxxxxxxx xxxxxxxx xxxxxxx xxxxxxxx(32位)

UTF-32与UTF-16一样有小尾序和大尾序之别，编码前会放置FEFF或FFFE区分

字节序

字节序有两种，分别是大端（Big Endian,BE）和小端(Little Endian,LE)。Unicode规范中定义，每一个文件的最前面分别加入一个表示编码顺序的字符，这个字符的名字叫做"零宽度非换行空格"（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。这正好是两个字节，而且FF比FE大1。
UTF-8虽是字节顺序无关的，但仍然可以用BOM来表明其编码方式。PHP并不会忽略UTF-8的BOM，所以在读取、包含或者引用这些文件时，会把BOM作为该文件开头正文的一部分。因此PHP文件采用UTF-8编码时可保存无BOM格式。

UTF编码	BOM
UTF-8 without BOM	无
UTF-8 with BOM	EE BB BF
UTF-16LE	FF FE
UTF-16BE	FE FF
UTF-32LE	FF FE 00 00
UTF-32BE	00 00 FE EE

这两个古怪的名称来自英国作家斯威夫特的《格列佛游记》。在该书中，小人国里爆发了内战，战争起因是人们争论，吃鸡蛋时究竟是从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开。为了这件事情，前后爆发了六次战争，一个皇帝送了命，另一个皇帝丢了王位。

几种编码格式的比较

对于中文字符GB2312与GBK编码规则类似，但GBK的范围更大，它能处理所有汉字字符，所以GB2312与GBK比较选择GBK。UTF-8和UTF-16都是处理Unicode编码，UTF-16编码效率最高，字符到字符相互转换更简单，进行字符串操作也更好。它适合在本地磁盘和内存之间使用，可以进行字符与子节之间快速切换如java的内存编码就是采用UTF-16编码，但不适合在网络之间传输，因为网络传输容易损坏字节流，一旦字节流损坏将很难恢复，相比而言UTF-8更适合网络传输。UTF-8在编码效率和编码安全性上做了平衡，是最理想的中文编码方式。GBK包含全部中文字符，UTF-8则包含全世界所有国家需要用到的字符。UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。比如，如果是UTF-8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。但是如果UTF8中出现中文那就是3个字节～～具体的自己权衡。

参考资料：
https://blog.csdn.net/Hknock/article/details/75498427
https://blog.csdn.net/jkx1132/article/details/76900852
https://blog.csdn.net/qq_37859539/article/details/79857476