常用字符集编码详解：ASCII 、GB2312、GBK、GB18030、...
GB2312GB_13000_GBKGB18030介绍讲解
1、GB2312、GB 13000、GBK、GB18030 介绍GB 2312：又称为GB 2312-80，是一个简体中文字符集的中国国家标准，于1980年由中国国家标准总局发布，1981年5月1日实施，全称为《信息交换用汉字编码字符集基本集》，规定了6763个汉字和682个非汉字图形。
GB 13000：为了便于多个文种的同时处理，国际标准化组织下属编码字符集工作组研制了新的编码字符集标准，ISO/IEC 10646。
该标准第一次颁布是在1993年，当时只颁布了其第一部分，即ISO/IEC 10646.1: 1993，我国相应的国家标准是GB 13000.1-93《信息技术通用多八位编码字符集(UCS) 第一部分：体系结构与基本多文种平面》。
制定这个标准的目的是对世界上的所有文字统一编码，以实现世界上所有文字在计算机上的统一处理。
GBK：随着信息技术在各行业应用的深入，GB 2312 收录汉字数量不足的缺点已经初步显露出来。
例如："镕"字现在是高频率使用字，而GB 2312 却没有为它编码，因而，政府、新闻、出版、印刷等行业和部门在使用中感到十分不便。
1995年，全世界大多数的PC 操作系统都实现了16/32 位。
GB 13000.1 的实现出现了一线曙光。
一方面为了对GB 2312 进行扩充，一方面顺应当时技术的发展向GB 13000.1 推进，同时兼顾当时最广泛采用GB 2312 内码系统。
原电子部和原国家技术监督局联合颁布了指导性技术文件《汉字内码扩展规范》1.0版，即GBK 。
在GBK的内码系统中，GB 2312 汉字所在码位保持不便，这样，保证了GBK 对GB 2312 的完全兼容。
同时，GBK 内码与GB 13000.1 代码一一对应，为GBK 向GB 13000.1 的转换提供了解决办法。
微软对GB 2312 的扩展，也就是CP936 字码表(Code Page 936)的扩展（原来的CP936 和GB 2312-80 一模一样），最初出现于Windows 95 简体中文版中。
汉字编码字符集
汉字编码字符集汉字编码字符集是指用于表示和存储汉字的一套编码系统。
在计算机领域，为了能够准确地表示和处理汉字，人们设计了多种不同的汉字编码字符集。
本文将介绍几种常见的汉字编码字符集，包括GB2312、GBK、Unicode以及UTF-8。
一、GB2312GB2312是中国国家标准局于1980年发布的一种汉字编码字符集，是最早被广泛使用的汉字字符集之一。
GB2312字符集包含了7445个汉字和682个非汉字字符，采用双字节表示每个字符。
其中，第一个字节的范围是0xB0至0xF7，第二个字节的范围是0xA1至0xFE。
GB2312字符集主要适用于简体中文。
二、GBK随着计算机技术的发展和汉字数量的增加，GB2312字符集的容量已经无法满足需求。
为了解决这个问题，国家标准局于1995年发布了GBK字符集，它是对GB2312字符集的扩充和改进。
GBK字符集兼容GB2312字符集，同时加入了21003个汉字，总计包含了21886个汉字。
GBK字符集同样采用双字节表示每个字符，第一个字节的范围是0x81至0xFE，第二个字节的范围是0x40至0xFE。
GBK字符集支持简体中文和繁体中文。
三、UnicodeUnicode是一种国际标准字符集，旨在为全球所有字符提供唯一的编码。
Unicode采用16位的编码方案，可以支持最多65536个不同的字符。
不仅包括了各个国家语言的文字，还包括了数学符号、技术符号、图形符号等。
Unicode字符集为各种语言的文字提供了一个统一的编码标准。
四、UTF-8UTF-8是一种可变长度的Unicode编码方案，更好地解决了存储效率和兼容性的问题。
UTF-8使用1至4个字节来表示一个字符，根据不同的字符而变化。
对于单字节的字符，编码和ASCII码相同，兼容ASCII码。
对于多字节的字符，第一个字节的高位标识了字节数。
UTF-8字符集可以表示Unicode字符集中的所有字符。
在计算机系统中，为了使不同的系统能够正确地处理汉字编码，一般需要统一选择一种字符集来使用。
信息技术中文编码字符集
信息技术中文编码字符集一、什么是中文编码字符集中文编码字符集是一套用来对汉字进行编码和存储的规则集合。
由于汉字的数量庞大，需要使用编码方式来表示每个汉字的唯一标识。
中文编码字符集的出现解决了中文在计算机中的表示和处理问题。
二、历史背景2.1 ASCII码ASCII码是最早的编码字符集，它采用了7位二进制来表示128个字符，包括英文字母、数字和一些符号。
然而，ASCII码无法表示汉字，因此无法满足中文的编码需求。
2.2 GB2312为了解决汉字编码问题，中国制定了GB2312字符集，它是一种双字节编码方案。
GB2312字符集使用了16位来表示每个汉字，可以表示6763个常用汉字。
GB2312字符集的出现使得中文在计算机中的处理变得可能。
2.3 GBK随着汉字数量的不断增加，GB2312字符集无法满足日益增长的需求。
为了解决这个问题，中国推出了GBK字符集。
GBK字符集在GB2312的基础上增加了新的汉字编码，使得它可以表示21003个汉字。
GBK字符集成为了中文编码字符集的标准，被广泛应用在各种计算机系统中。
2.4 GB18030为了统一国内和国际上汉字编码的标准，中国发布了GB18030字符集。
GB18030是一种多字节编码方案，可以表示广泛的汉字范围。
它兼容GB2312和GBK字符集，并且还包括了更多的汉字和国际字符。
三、Unicode编码3.1 Unicode的出现尽管GBK字符集在国内广泛使用，但在国际间存在兼容性问题。
为了解决这个问题，国际组织制定了Unicode编码标准。
Unicode编码使用32位编码方式，可以表示所有的字符，包括汉字和国际字符。
Unicode编码为全球各个国家提供了一种统一的字符编码方案。
3.2 UTF-8由于Unicode编码使用32位，传输和存储上存在很大的不便。
为了解决这个问题，UTF-8编码应运而生。
UTF-8编码采用变长字节表示字符，比如对于ASCII字符，只需一个字节表示，而对于汉字需要3个字节或4个字节。
各种文字编码简介+常见的编码都有介绍
各种文字编码简介ASCIIASCII码是7位编码，编码范围是0×00-0×7F。
ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。
其中0×00-0×20和0×7F共33个控制字符。
只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。
HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。
早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。
GB2312GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。
区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。
在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。
区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。
它将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。
一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。
可以用繁体汉字测试某些系统是不是只支持GB2312编码。
GB2312的编码范围是0xA1A1-0×7E7E，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。
EUC-CN可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。
常用字符集编码详解：ASCII、GB2312、GBK、GB18030、...
ASCIIASCII 码是7位编码，编码范围是0x00-0x7F ASCII 字符集包括英文字母、 阿拉伯数字和标点符号等字符。
其中 0x00-0x20和0x7F 共33个控制字符。
只支持ASCI 码的系统会忽略每个字节的最高位，只认为低 7位是有效位。
HZ 字符编码就是早期为了在只支持 7位ASCII 系统中传输中文而设计的编码。
早期很多邮件系统也只支持ASCII 编码，为了传输中文邮件必须使用 BASE64或 者其他编码方式。
GB2312GB2312是基于区位码设计的，区位码把编码表分为 94个位，每个字符的区号和位号组合起来就是该汉字的区位码。
10进制数来表示，如 1601就表示 16区1 位，对应的字符是 区号和位号上分别加上0xA0就得到了 GB2312编码。
区位码中 01-09区是符号、数字区， 16-87区是汉字区，未定义的空白区。
它将收录的汉字分成两级：第一级是常用汉字计 3755 个，置于 16-55 区，按汉语拼音字母 /笔形顺序排 列；第二级汉字是次常用汉字计 3008 个，置于 56-87 区，按部首 /笔画顺序排 列。
一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中 的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片 假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。
可以 用繁体汉字测试某些系统是不是只支持 GB2312编码。
GB2312的编码范围是0xA1-0x7E 去掉未定义的区域之后可以理解为实际 编码范围是 0xA1-0xF7FE 。
EUC-CN 可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而 94个区，每个区对应 区位码一般用 “啊”。
在区位码的10-15和 88-94是GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。
编码规则和字符集
编码规则和字符集是计算机中用于表示和处理文本数据的重要概念。
编码规则（Encoding）定义了如何将字符映射为计算机内部的二进制数据表示形式。
不同的编码规则采用不同的映射方式，可以表示不同范围的字符集。
字符集（Character Set）是一组字符的集合，它定义了一个编码规则所能表示的字符的范围。
常见的字符集包括ASCII、Unicode等。
下面是一些常见的编码规则和字符集：1. ASCII（American Standard Code for Information Interchange）：ASCII是最早的字符集和编码规则之一，包含128个字符，用7位二进制数表示，包括英文字母、数字、标点符号等常见字符。
2. Unicode：Unicode是一种字符集，包含了全球范围内几乎所有的字符。
它用于表示各种语言文字、符号、表情符号等。
Unicode使用不同的编码规则，最常见的是UTF-8、UTF-16、UTF-32。
其中，UTF-8是较为常用的编码规则，使用1至4个字节表示一个字符，兼容ASCII 字符集。
3. UTF-8（Unicode Transformation Format-8）：UTF-8是一种可变长度的Unicode编码规则。
它使用8位字节表示一个字符，能够表示Unicode字符集中的所有字符。
4. UTF-16（Unicode Transformation Format-16）：UTF-16使用16位字节表示一个字符，能够表示Unicode字符集中所有的字符，包括较为罕见的字符。
除了上述编码规则和字符集，还有一些其它编码规则如GB2312、GBK、Big5等，它们主要用于表示中文字符集。
在处理文本数据时，需要明确所使用的编码规则和字符集，以确保正确地解码和显示文本内容。
如果编码规则和字符集不匹配，就可能导致乱码或无法正确显示文本。
因此，在处理文本数据时，应注意确认输入输出所使用的编码规则，并进行适当的编码和解码操作。
常用的中文编码
常用的中文编码一、引言在计算机领域，中文编码起着至关重要的作用。
无论是输入、输出、存储还是网络传输，都离不开编码的转换。
为了让计算机能够识别和处理中文，我国制定了多种中文编码标准。
接下来，我们将详细介绍几种常用的中文编码，以便大家更好地理解和应用。
二、常用的中文编码概述1.GBK编码GBK（全称为：汉字内码扩展规范）是我国制定的一种汉字编码标准。
它兼容GB2312编码，可以表示大部分现代汉字。
GBK编码的字符集分为两个部分：基本集和扩展集。
基本集包含了GB2312编码中的所有汉字，共计6763个；扩展集则增加了更多的汉字，共计21003个。
GBK编码在我国的政府部门、企事业单位以及众多软件中得到了广泛应用。
2.GB2312编码GB2312编码是我国最早制定的一种汉字编码标准，于1980年发布。
它包含了6763个汉字，主要覆盖了现代汉字的基本需求。
GB2312编码的字符集分为两个部分：基本集和辅助集。
基本集包含了6763个汉字，辅助集则包含了一些特殊符号和拉丁字母。
GB2312编码在我国历史上发挥了重要作用，如今在很多场合仍然可以看到它的身影。
3.BIG5编码BIG5编码（全称为：大五码）是台湾地区制定的一种汉字编码标准。
它包含了13068个汉字，主要覆盖了现代汉字和一些繁体字。
BIG5编码在台湾地区及其周边地区广泛应用，是许多台湾出版的书籍、软件和网站的标准编码。
在大陆地区，BIG5编码也逐渐被GBK和UTF-8编码所取代。
4.UTF-8编码UTF-8编码是一种国际通用的编码标准，可以表示世界上几乎所有的字符集，包括中文、英文、数字、特殊符号等。
UTF-8编码具有兼容性、高效性和扩展性等优点，成为了互联网上最常用的编码之一。
许多国际化的软件和网站都采用UTF-8编码作为默认的字符集。
在我国，UTF-8编码也逐渐成为了一种重要的编码选择。
三、编码转换实例在日常生活中，我们可能会遇到不同编码之间的转换需求。
数据库字符集类型
数据库中常用的字符集类型有以下几种：
ASCII：ASCII（American Standard Code for Information Interchange）是美国标准信息交换码，用于表示英语字符的编码标准。
ASCII 字符集包含128 个字符，包括字母、数字、标点符号等。
UTF-8：UTF-8（Unicode Transformation Format-8）是一种针对Unicode 字符集的可变长度字符编码方案。
UTF-8 支持包括中文、日文、韩文等各种字符，是目前最常用的字符集之一。
UTF-8 中的字符可以使用1 到4 个字节表示，英文字符占用一个字节，中文字符占用三个字节。
UTF-16：UTF-16 是Unicode 字符集的一种编码方案，采用16 位编码表示字符。
UTF-16 中的字符可以使用2 个或 4 个字节表示，英文字符占用 2 个字节，中文字符占用 4 个字节。
GBK：GBK（GuoBiao Kuozhan）是国家标准扩展码的简称，是对汉字进行编码的字符集标准。
GBK 包含了GB2312 字符集的全部字符，并增加了许多繁体字和生僻字。
Big5：Big5 是繁体中文的字符集标准，广泛应用于台湾、香港等地区。
Big5 字符集可以表示繁体中文字符，不包含简体中文字符。
ISO-8859-1：ISO-8859-1（又称Latin-1）是国际标准化组织制定的字符集标准，包含了西欧各国所需的字符。
GB18030编码研究以及GBK、GB18030与Unicode的映射
GB18030编码研究以及GBK、GB18030与Unicode的映射GB18030有两个版本：GB18030-2000和GB18030-2005。
在本文中，没有指明版本的GB18030是指GB18030-2005。
本文讨论了以下问题：1GB2312有682个图形符号，都放在1区。
GBK的1区有717个图形符号，5区有166个图形符号，一共有883个图形符号。
GB18030的1区有728个图形符号，5区还是166个符号。
那么，GBK的1区在GB2312基础上增加了哪35个符号？GB18030又增加了哪些符号？2GBK支持21003个汉字与883个图形符号，一共21886个字符。
这21886个字符究竟是哪些字符？这21886个字符的编码在GB18030中有什么变化？3GB18030是怎样映射Unicode的全部0x110000个码位的？4GB18030-2000和GB18030-2005在字汇上有什么区别，在编码上有什么区别？5GB18030-2005的双字节区中有2067个码位被映射到Unicode BMP 的PUA。
这些码位有什么规律？这些码位中定义了多少字符？其实这2067个码位中只定义了24个字符。
6GBK的21886个字符中有95个字符被映射到Unicode BMP的PUA。
在GB18030中这95个字符的编码有哪些变化？哪些字符保持了原来的编码？7GBK的23940个码位中有多少码位被映射到Unicode BMP的PUA？在GB18030中这些码位的编码有什么变化？在讨论这些问题前，我们先约定一下码位空间的表示方法。
0 码位空间0.1 约定GBK是双字节编码，每个字符用两个字节表示。
GB18030是多字节字符集，它的字符可以用一个、两个或四个字节表示。
码位空间由各字节的范围确定。
例如：GB18030的四字节字符码位空间是：∙第一字节在0x81~0xFE之间∙第二字节在0x30~0x39之间∙第三字节在0x81~0xFE之间∙第四字节在0x30~0x39之间为了表述方便，我们用0x81308130~0xFE39FE39表示这个码位空间。
汉字编码常用的字符集
汉字编码常用的字符集
1. GB2312，GB2312是中国国家标准简化汉字字符集，于1980年发布。
它包含了6763个常用汉字和682个非汉字字符，使用双字节编码，其中包括了简体中文的基本字符。
2. GBK，GBK是GB2312的扩展字符集，于1995年发布。
它兼容GB2312，并增加了近两万个汉字和符号。
GBK使用双字节编码，其中包括了简体中文的扩展字符。
3. GB18030，GB18030是中国国家标准的多字节字符集，于2000年发布。
它兼容GB2312和GBK，并增加了更多的汉字和字符，包括繁体中文和一些少数民族文字。
GB18030使用单字节、双字节和四字节编码。
4. Unicode，Unicode是国际标准字符集，旨在涵盖地球上所有的字符。
Unicode采用统一的编码方式，为每个字符分配唯一的编码值。
其中，汉字统一采用了CJK统一汉字扩展A（CJK Unified Ideographs Extension A）和CJK统一汉字扩展B（CJK Unified Ideographs Extension B）等多个扩展区。
5. UTF-8，UTF-8是一种可变长度的Unicode编码方式，它可以表示任意Unicode字符。
UTF-8使用1到4个字节来表示不同的字符，其中包括了汉字。
这些字符集在不同的环境下使用，常见的应用包括操作系统、编程语言、文本编辑器、网页浏览器等。
使用不同的字符集可以满足不同的需求，如支持不同语言的文字显示和输入。
计算机常用的编码
计算机常用的编码一、字符编码字符编码是用于将字符集（如英文字母、数字、标点符号等）转换为计算机可以理解的二进制数的一种方式。
以下是几种常见的字符编码：1.ASCII码：ASCII码是用于将字符集转换为二进制数的标准编码方式。
它包含了128个不同的字符，每个字符由7位二进制数表示。
2.Unicode：Unicode是一种国际化的字符编码标准，它包含了世界上几乎所有语言的字符。
每个Unicode字符由16位二进制数表示。
3.GB2312和GBK：GB2312是中国国家强制标准，包含了6000多个常用汉字和英文符号。
GBK是在GB2312基础上扩展的，包含了更多的汉字和符号。
4.UTF-8：UTF-8是一种可变长度的字符编码，它能够表示任何Unicode字符。
UTF-8编码的每个字符由1到4个字节表示，对于英文字母和数字，UTF-8编码与ASCII码相同。
二、数值编码数值编码是用于将数值转换为二进制数的一种方式。
以下是几种常见的数值编码：1.二进制：二进制是最简单的数值编码方式，只有0和1两种状态。
2.十进制：十进制是我们日常使用的数值编码方式，它有0到9共10个数字。
3.十六进制：十六进制是一种简化的数值编码方式，它有0到9和A到F共16个数字。
在计算机科学中，十六进制常用于表示二进制数的简写方式。
三、图像编码图像编码是将图像数据转换为二进制数的一种方式。
以下是几种常见的图像编码：1.JPEG：JPEG是一种常用的图像压缩标准，它采用有损压缩算法，能够在保证图像质量的前提下，大大减少图像数据的存储空间。
2.PNG：PNG是一种无损压缩的图像格式，它能够保留原始图像的所有信息，并且在压缩后不失真。
PNG广泛应用于网页设计、软件界面设计等领域。
3.GIF：GIF是一种基于LZW算法的压缩图像格式，它可以支持动态图像和透明背景。
GIF广泛应用于网页中的动画、图标等设计。
四、音频编码音频编码是将音频数据转换为二进制数的一种方式。
汉字字符集编码
汉字字符集编码
汉字字符集编码是指将汉字转换为计算机可以使用的编码方案,常用的汉字字符集编码方案有GBK、GB2312、UTF-8等。
以下是一些常见的汉字字符集编码及其用途:
1. GBK:GBK编码是将GB2312字符集扩展到5位,用于存储大部分中文汉字。
GBK编码在Windows和MacOS操作系统中广泛使用,也被许多中文应用(如网页、电子书等)所支持。
2. GB2312:GB2312编码是一种基于UTF-8的字符集编码方案,用于存储中文字符。
与UTF-8相比,GB2312在某些情况下可能会出现编码错误,但比UTF-8更稳定。
3. UTF-8:UTF-8是一种无符号多字节编码方案,可以表示任意汉字。
UTF-8编码在中文字符的存储和传输方面都是最好的选择,但在一些情况下可能会出现编码错误。
4. ASCII: ASCII编码是一种单字节编码方案,用于存储只有字符和符号。
虽然ASCII编码可以表示所有的中文字符,但在传输和存储时可能会出现编码错误。
在实际应用中,选择合适的汉字字符集编码方案取决于具体需求和设备。
常见的编码格式
常见的编码格式1. 什么是编码格式？编码格式是一种将文本或数据转换为计算机可识别形式的方式。
它定义了如何使用位、字节和字符来表示和传输信息。
在计算机领域，常见的编码格式有很多种，每种都有其自己的特点和用途。
2. 常见的编码格式ASCIIASCII（American Standard Code for Information Interchange）是最早的字符编码标准之一，它定义了128个字符的编码方式，包括26个大写字母、26个小写字母、数字0-9、标点符号以及一些特殊字符。
ASCII编码使用7位二进制数表示一个字符，最高位为0。
由于只有128个字符，因此ASCII编码无法表示其他语言的字符。
UnicodeUnicode是一个国际标准，定义了世界上几乎所有的字符，包括各种语言的字符、符号、标点符号等，总共有137,994个字符。
Unicode编码被设计为可扩展的，使用不同的方式可以表示不同范围的字符。
最常见的方式是使用UTF-8编码和UTF-16编码。
UTF-8UTF-8（UCS Transformation Format 8-bit）是一种可变长度的字符编码方式，它可以表示Unicode字符集中的任意字符。
UTF-8编码使用1至4个字节表示一个字符，常用的英文字母和数字使用一个字节表示，而一些汉字则使用3个字节表示。
UTF-8编码兼容ASCII编码，也就是说，以ASCII编码表示的文本在UTF-8编码下仍然可以正确解码。
UTF-16UTF-16编码是一种固定长度的字符编码方式，它用2个字节或4个字节表示一个字符。
UTF-16编码主要用于在内存中表示Unicode字符，它在存储和处理字符时比UTF-8编码更高效，但在存储和传输时却占用更多的空间。
UTF-16编码可以表示所有的Unicode字符。
ISO-8859ISO-8859是一系列的字符编码标准，定义了一些西欧语言的字符编码方式。
ISO-8859-1是ISO-8859编码系列中最常见的一种，也被称为Latin-1编码。
常用的编码格式
常用的编码格式现代社会中，信息的传输逐渐变得便捷和普及。
无论是数字、文字、音乐、视频等，都需要特定的编码格式进行传输和存储。
从最初的ASCII码，到现在流行的Unicode、UTF-8等编码方式，编码格式在信息传输中发挥了不可或缺的作用。
那么，本文将会介绍常用的编码格式。
一、ASCII码ASCII码（American Standard Code for Information Interchange，美国信息交换标准代码），是一种在电脑和互联网中使用最广泛的编码。
在ASCII码中，每个字符都通过7个比特位进行表示，即128个字符。
包括大小写字母、数字、标点符号和常用的特殊字符，如换行符、制表符等。
ASCII码是由美国信息交换标准委员会于1963年发布的，它的编码范围是0-127。
它只能处理英文字符，不能处理其他国家的字符，因此在国际化的网络环境下，根据ASCII码进行编码将会出现问题。
二、Unicode编码Unicode是一种全球化字符编码标准。
它包括了世界上所有常用的语言、符号以及文字符号。
Unicode编码以16个比特位为单位，它可以表示65536个不同符号，从而支持几乎所有的文字和语言，甚至还包括了一些表情符号。
Unicode编码分为两种：UCS-2和UTF-8。
UCS-2使用16个比特位表示一个字符，因此它可以表示65,536个字符，即2的16次方。
而UTF-8是对UCS-2的扩展，它使用1-6个字节表示一个字符，可以表示超过10万个字符。
在国际化的互联网环境中，使用Unicode编码进行编码，可以保证几乎所有语言的文字显示正常无误。
三、UTF-8编码UTF-8是一种定长的Unicode字符编码方式，和UCS-2一样使用16比特表示一个字符。
但不同的是，UTF-8的字符编码长度可以是1-4个字节，它可以识别所有的Unicode字符，并具有向后兼容的特点，这使得它更加普及。
UTF-8的编码方式和ASCII码相似，对于ASCII码的字符，使用一个字节表示，而对于其他字符则采用2-4个字节表示。
计算机的汉字编码
计算机的汉字编码计算机的汉字编码是指将汉字转化为数字代码的过程，以便计算机对其进行存储、处理和传输。
由于汉字数量庞大，不同语言和地区的汉字也有所不同，因此，计算机的汉字编码也分为不同的标准和方式。
下面我们来逐步了解计算机的汉字编码。
一、GB2312编码GB2312编码是中国国家标准的汉字编码，最早于1980年发布。
该编码涵盖了常用的6763个汉字和682个非汉字字符。
该编码采用双字节表示方式，其中高字节使用0xA1~0xFE之间的94个编码，低字节使用0xA1~0xFE之间的94个编码。
如汉字“中”在GB2312编码下是0xB1 0xA6。
二、GBK编码GBK编码是GB2312编码的扩展版本，在原有的基础上增加了近7000个汉字。
它同样采用双字节表示汉字，其中第一个字节的编码范围与GB2312相同，第二个字节的编码范围则是0xA1~0xFE之间的所有编码。
举个例子，汉字“哥”在GBK编码下是0xB8 0xDF。
三、GB18030编码GB18030编码是中国国家标准的最新汉字编码。
它包含了世界上所有现存和已知的汉字、形状异体字和少数民族文字。
该编码不仅支持单字节和双字节编码，还支持四字节编码，具有很高的容错性。
其中0x81~0xFE之间的所有字节都可以作为汉字的第一个字节，第二个字节也是0x40~0xFE之间的所有字节之一。
当使用四字节编码时，第三个字节为0x30~0x39，第四个字节为0x81~0xFE。
例如，“你好”在GB18030编码下是0xC4 0xE3 0xBA 0xC3。
四、UTF-8编码UTF-8编码是一种针对全球范围内的Unicode字符集而设计的一种多字节编码方案。
Unicode是一种字符编码，它将字符映射到数值编码，可以表示各种语言和符号。
UTF-8编码使用1~4个字节表示一个字符，其中一字节的编码范围与ASCII码相同，而其他字节的编码分别以“10”为开头。
这使得UTF-8编码在发送和存储Unicode字符集时可以比较节省空间，同时也保证了向后兼容性。
（7条消息）汉字编码，GB2312、GB13000、GBK、GB18030介绍
（7条消息）汉字编码，GB2312、GB13000、GBK、GB18030介绍1、GB2312、GB 13000、GBK、GB18030介绍GB 2312：又称为 GB 2312-80，是一个简体中文字符集的中国国家标准，于1980年由中国国家标准总局发布，1981年5月1日实施，全称为《信息交换用汉字编码字符集基本集》，规定了6763个汉字和682个非汉字图形。
GB 13000：为了便于多个文种的同时处理，国际标准化组织下属编码字符集工作组研制了新的编码字符集标准，ISO/IEC 10646。
该标准第一次颁布是在1993年，当时只颁布了其第一部分，即ISO/IEC 10646.1: 1993，我国相应的国家标准是GB 13000.1-93《信息技术通用多八位编码字符集(UCS)第一部分：体系结构与基本多文种平面》。
制定这个标准的目的是对世界上的所有文字统一编码，以实现世界上所有文字在计算机上的统一处理。
GBK：随着信息技术在各行业应用的深入，GB 2312收录汉字数量不足的缺点已经初步显露出来。
例如："镕"字现在是高频率使用字，而GB 2312 却没有为它编码，因而，政府、新闻、出版、印刷等行业和部门在使用中感到十分不便。
1995年，全世界大多数的PC操作系统都实现了16/32位。
GB 13000.1的实现出现了一线曙光。
一方面为了对 GB 2312进行扩充，一方面顺应当时技术的发展向 GB 13000.1推进，同时兼顾当时最广泛采用 GB 2312内码系统。
原电子部和原国家技术监督局联合颁布了指导性技术文件《汉字内码扩展规范》1.0版，即GBK 。
在GBK的内码系统中，GB 2312汉字所在码位保持不便，这样，保证了 GBK对 GB 2312的完全兼容。
同时，GBK内码与 GB 13000.1代码一一对应，为 GBK向 GB 13000.1的转换提供了解决办法。
微软对 GB 2312的扩展，也就是 CP936字码表 (Code Page 936)的扩展（原来的CP936 和GB 2312-80 一模一样），最初出现于Windows 95 简体中文版中。
常见字符编码辨析
常见字符编码辨析在说常见的字符编码（ASCII、gb2312、gbk、utf-8等）之前，我们先来看看编码的历史吧。
编码编年史•先是ASCII编码，使用一个字节的7位来表示128个字符（大小写字母，数字0到9、标点符号、及在美式英语中使用的特殊控制字符）；•表示的字符实在太少，出现了EASCII，EASCII码比ASCII码扩充出来的128符号包括表格符号、计算符号、希腊字母和特殊的拉丁符号；•太小家子气了，中国使用两个字节扩充了ASCII，称之为GB2312，支持汉字6763个和非汉字图形字符682个；•罕用字和繁体字GB2312处理不过来，GBK及GB 18030汉字字符集相继出现以解决这个问题；•ISO（国际标准化组织）看不下去了，制定了专为解决传统的字符编码方案的局限性的Unicode；•为了节约传输消耗和存储空间，UTF-8和UTF-16应运而生；•Base64主要是为了解决有些系统只能使用ASCII的尴尬，本身比较适合处理文本数据的传输和存储；•encodeUriComponent:它是将中文、韩文等特殊字符转换成utf-8格式的url编码。
ASCII编码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。
它主要用于显示现代英语，而其扩展版本EASCII则可以部分支持其他西欧语言，并等同于国际标准ISO/IEC 646。
ASCII第一次以规范标准的型态发表是在1967年，最后一次更新则是在1986年，至今为止共定义了128个字符；其中33个字符无法显示（一些终端提供了扩展，使得这些字符可显示为诸如笑脸、扑克牌花式等8-bit符号），且这33个字符多数都已是陈废的控制字符。
控制字符的用途主要是用来操控已经处理过的文字。
在33个字符之外的是95个可显示的字符，包含用键盘敲下空白键所产生的空白字符也算1个可显示字符（显示为空白）。
GB2312,GBK,GB18030这几种字符集主要的区别是什么？
GB2312,GBK,GB18030这几种字符集主要的区别是什么？早期的计算机使用7位的ASCII编码，为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。
GB2312（1980年）：16位字符集，收录有6763个简体汉字，682个符号，共7445个字符；优点：适用于简体中文环境，属于中国国家标准，通行于大陆，新加坡等地也使用此编码；缺点：不兼容繁体中文，其汉字集合过少。
GBK（1995年）：16位字符集，收录有21003个汉字，883个符号，共21886个字符；优点：适用于简繁中文共存的环境，为简体Windows所使用（代码页cp936），向下完全兼容gb2312，向上支持 ISO-10646 国际标准；所有字符都可以一对一映射到unicode2.0上；缺点：不属于官方标准，和big5之间需要转换；很多搜索引擎都不能很好地支持GBK汉字。
GB18030（2000年）：32位字符集；收录了27484个汉字，同时收录了藏文、蒙文、维吾尔文等主要的少数民族文字。
优点：可以收录所有你能想到的文字和符号，属于中国最新的国家标准；缺点：目前支持它的软件较少。
补充：•现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求。
所以手机、MP3一般只支持GB2312。
•从ASCII、GB2312、GBK到GB18030，这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面的标准支持更多的字符。
在这些编码中，英文和中文可以统一地处理。
区分中文编码的方法是高字节的最高位不为0。
GB2312、GBK到GB18030都属于双字节字符集 (DBCS)。
•GB18030是中国所有非手持/嵌入式计算机系统的强制实施标准。
各类内码详细解析
转换内码gb2312为utf-8各类内码详细解析[日期：2009-04-29] 来源： 作者：sdiel 阅读：3706 次 [字体：大中小]GB2312 字符集GB2312又称为GB2312-80字符集，全称为《信息交换用汉字编码字符集·基本集》，由原中国国家标准总局发布，1981年5月1日实施，是中国国家标准的简体中文字符集。
它所收录的汉字已经覆盖99.75%的使用频率，基本满足了汉字的计算机处理需要。
在中国大陆和新加坡获广泛使用。
powered by GB2312收录简化汉字及一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母、汉语拼音符号、汉语注音字母，共7445 个图形字符。
其中包括6763个汉字，其中一级汉字3755个，二级汉字3008个；包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
GB2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。
这种表示方式也称为区位码。
它是用双字节表示的，两个字节中前面的字节为第一字节，后面的字节为第二字节。
习惯上称第一字节为“高字节” ，而称第二字节为“低字节”。
“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。
以GB2312字符集的第一个汉字“啊”字为例，它的区号16，位号01，则区位码是1601，在大多数计算机程序中，高字节和低字节分别加0xA0得到程序的汉字处理编码0xB0A1。
计算公式是：0xB0=0xA0+16, 0xA1=0xA0+1。
GBK字符集GBK字符集是GB2312的扩展(K)，GBK1.0收录了21886个符号，它分为汉字区和图形符号区，汉字区包括21003个字符。
GBK字符集主要扩展了繁体中文字的支持。
BIG5 字符集BIG5又称大五码或五大码，1984年由台湾财团法人信息工业策进会和五间软件公司宏碁(Acer)、神通(MiTAC)、佳佳、零壹(Zero One)、大众(FIC)创立，故称大五码。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ASCII
ASCII码是7位编码，编码范围是0x00-0x7F。
ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。
其中0x00-0x20和0x7F共33个控制字符。
只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。
HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。
早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。
GB2312
GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。
区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。
在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。
区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。
它将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。
一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。
可以用繁体汉字测试某些系统是不是只支持GB2312编码。
GB2312的编码范围是0xA1A1-0x7E7E，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。
EUC-CN可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。
HZ和ISO- 2022-CN是对应区位码字符集的另外两种编码，都是用7位编码空间来支持汉字。
区位码和GB2312编码的关系有点像Unicode和UTF-8。
GBK
GBK编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode基本多文种平面中的所有CJK汉字。
同GB2312一样，GBK也支持希腊字母、日文假名字母、俄语字母等字符，但不支持韩语中的表音字符（非汉字字符）。
GBK还收录了GB2312不包含的汉字部首符号、竖排标点符号等字符。
GBK的整体编码范围是为0x8140-0xFEFE，不包括低字节是0×7F的组合。
高字节范围是0×81-0xFE，低字节范围是0x40-7E和0x80-0xFE。
低字节是0x40-0x7E的GBK字符有一定特殊性，因为这些字符占用了ASCII码的位置，这样会给一些系统带来麻烦。
有些系统中用0x40-0x7E中的字符（如“|”）做特殊符号，在定位这些符号时又没有判断这些符号是不是属于某个GBK字符的低字节，这样就会造成错误判断。
在支持GB2312的环境下就不存在这个问题。
需要注意的是支持GBK的环境中小于0x80的某个字节未必就是ASCII符号；另外就是最好选用小于0×40的ASCII符号做一些特殊符号，这样就可以快速定位，且不用担心是某个汉字的另一半。
Big5编码中也存在相应问题。
CP936和GBK的有些许差别，绝大多数情况下可以把CP936当作GBK的别名。
GB18030
GB18030编码向下兼容GBK和GB2312，兼容的含义是不仅字符兼容，而且相同字符的编码也相同。
GB18030收录了所有Unicode3.1中的字符，包括中国少数民族字符，GBK不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收录在内。
GBK和GB2312都是双字节等宽编码，如果算上和ASCII兼容所支持的单字节，也可以理解为是单字节和双字节混合的变长编码。
GB18030编码是变长编码，有单字节、双字节和四字节三种方式。
GB18030的单字节编码范围是0x00-0x7F，完全等同与ASCII；双字节编码的范围和GBK相同，高字节是0x81-0xFE，低字节的编码范围是0x40-0x7E和0x80-FE；四字节编码中第一、三字节的编码范围是0x81-0xFE，二、四字节是0x30-0x39。
Windows中CP936代码页使用0x80来表示欧元符号，而在GB18030编码中没有使用0x80编码位，用其他位置来表示欧元符号。
这可以理解为是GB18030向下兼容性上的一点小问题；也可以理解为0x80是CP936对GBK的扩展，而GB18030只是和GBK兼容良好。
unicode
每一种语言的不同的编码页，增加了那些需要支持不同语言的软件的复杂度。
因而人们制定了一个世界标准，叫做unicode。
unicode为每个字符提供了唯一的特定数值，不论在什么平台上、不论在什么软件中，也不论什么语言。
也就是说，它世界上使用的所有字符都列出来，并给每一个字符一个唯一特定数值。
Unicode的最初目标，是用1个16位的编码来为超过65000字符提供映射。
但这还不够，它不能覆盖全部历史上的文字，也不能解决传输的问题(implantation head-ache's)，尤其在那些基于网络的应用中。
已有的软件必须做大量的工作来程序16位的数据。
因此，Unicode用一些基本的保留字符制定了三套编码方式。
它们分别是UTF-8,UTF-16和UTF-32。
正如名字所示，在UTF－8中，字符是以8位序列来编码的，用一个或几个字节来表示一个字符。
这种方式的最大好处，是UTF－8保留了ASCII字符的编码做为它的一部分，例如，在UTF－8和ASCII中，“A”的编码都是0x41.
UTF－16和UTF－32分别是Unicode的16位和32位编码方式。
考虑到最初的目的，通常说的Unicode就是指UTF-16。
在讨论Unicode时，搞清楚哪种编码方式非常重要。
UTF-8
Unicode Transformation Format-8bit，允许含BOM，但通常不含BOM。
是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文使用24为（三个字节）来编码。
UTF-8包含全世界所有国家需要用到的字符，是国际编码，通用性强。
UTF-8编码的文字可以在各国支持UTF8字符集的浏览器上显示。
如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，他们无需下载IE的中文语言支持包。
GBK的文字编码是用双字节来表示的，即不论中、英文字符均使用双字节来表示，为了区分中文，将其最高位都设定成1。
GBK包含全部中文字符，是国家编码，通用性比UTF8差，不过UTF8占用的数据库比GBD大。
GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：
GBK、GB2312－－Unicode－－UTF8
UTF8－－Unicode－－GBK、GB2312
对于一个网站、论坛来说，如果英文字符较多，则建议使用UTF－8节省空间。
不过现在很多论坛的插件一般只支持GBK。