字符集与编码

字符集就是客观世界上存在的各种语言符号，如英语26个字符，汉字，拉丁字符等
编码就是将字符集用二级制表示出来的一种规范。
常用字符集有ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集等。
ASCII，很有名，也很简单。
GB2312对ASCII进行修改，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，前面的一个字节（他称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。GB2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。对于人名、古汉语等方面出现的罕用字，GB2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。

当计算机传到世界各个国家时，为了适合当地语言和字符，设计和实现类似GB232/GBK/GB18030/BIG5的编码方案。这样各搞一套，在本地使用没有问题，一旦出现在网络中，由于不兼容，互相访问就出现了乱码现象。为了解决这个问题，一个伟大的创想产生了——Unicode。Unicode编码系统为表达任意语言的任意字符而设计。他使用4字节的数字来表达每个字母，符号，或者表意文字。每个数字代表唯一的至少在某种语言中使用的符号。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符。(注意这里的数字4字节长度，并不是计算机中存储的字符的实际的长度，Unicode是字符集，不是编码方案，即和计算机中的具体实现没有关系。并且UCS-2比较流行,即2个字节长度。UCS-4不流行)
Unicode编码字符集只是统一定义了所有字符和它对应Unicode编码值，而我们的程序中怎么去存储和读取这个Unicode编码值呢？显然，你可以直接统一规定所有Unicode编码值用四个字节来存储。但是这样的话，对于Unicode编码字符集中的与ASCII码表对应的那部分字符(只需要一个字节来表示的Unicode编码值)就有点浪费了。这样，就有了各种的编码方式UTF-32/ UTF-16/ UTF-8。(注意Unicode是字符集，UTF-32/ UTF-16/ UTF-8是三种字符编码方案。)
Unicode只有一个字符集，中、日、韩的三种文字占用了Unicode中0x3000到0x9FFF的部分。 Unicode目前普遍采用的是UCS-2,它用两个字节来编码一个字符, 比如汉字"经"的编码是0x7ECF,注意字符编码一般用十六进制来 表示,为了与十进制区分,十六进制以0x开头,0x7ECF转换成十进制 就是32463,UCS-2用两个字节来编码字符,两个字节就是16位二进制, 2的16次方等于65536,所以UCS-2最多能编码65536个字符。 编码从0到127的字符与ASCII编码的字符一样,比如字母"a"的Unicode 编码是0x0061,十进制是97,而"a"的ASCII编码是0x61,十进制也是97, 对于汉字的编码,事实上Unicode对汉字支持不怎么好,这也是没办法的, 简体和繁体总共有六七万个汉字,而UCS-2最多能表示65536个,才六万 多个,所以Unicode只能排除一些几乎不用的汉字,好在常用的简体汉字 也不过七千多个,为了能表示所有汉字,Unicode也有UCS-4规范,就是用 4个字节来编码字符,不过现在普遍采用的还是UCS-2，只用两个字节来。

在Windows Xp/2000中，记事本->另存为时，可以选择ANSI,UNICODE,UTF-8, UNICODE big endian的编码方式。这里的UNICODE应该为UCS-2直接的编码方式，就是字符在UNICODE中的数字编号为多少，则用该数字直接编码。ANSI有自己专有的编码方式，UTF-8是Unicode字符集的编码方式。

参考资料：

http://www.cnblogs.com/skynet/archive/2011/05/03/2035105.html

http://baike.baidu.com/view/40801.htm

http://www.douban.com/note/166375972/

http://blog.csdn.net/nodeathphoenix/article/details/7057760