thisliy

1. ASCII
我們需要了解的最早編碼是ASCII碼。它用7個(gè)二進(jìn)制位來(lái)表示，由于那個(gè)時(shí)期生產(chǎn)的大多數(shù)計(jì)算機(jī)使用8位大小的字節(jié)，因此用戶不僅可以存放所有可能的 ASCII字符，而且有整整一位空余下來(lái)。如果你技藝高超，可以將該位用做自己離奇的目的：WordStar中那個(gè)發(fā)暗的燈泡實(shí)際上設(shè)置這個(gè)高位，以指示 一個(gè)單詞中的最后一個(gè)字母，同時(shí)這也宣示了WordStar只能用于英語(yǔ)文本。
由于字節(jié)有多達(dá)8位的空間，因此許多人在想：“呀！我們可以把128~255之間的編碼用做個(gè)人的應(yīng)用目的。”問(wèn)題在于，同時(shí)產(chǎn)生這種想法的人相當(dāng) 多，而且在128~255之間的各個(gè)位置上應(yīng)該存放什么這一問(wèn)題上，真是仁者見(jiàn)仁智者見(jiàn)智。事實(shí)上，只要人們開(kāi)始在美國(guó)以外的地方購(gòu)買(mǎi)計(jì)算機(jī)，那么各種各 樣的不同OEM字符集都會(huì)進(jìn)入規(guī)劃設(shè)計(jì)行列，并且各人都會(huì)根據(jù)自己的需要使用高位的128個(gè)字符。如此一來(lái)，甚至在同語(yǔ)種的文檔之間就不容易實(shí)現(xiàn)互換。 ASCII可被擴(kuò)展，最優(yōu)秀的擴(kuò)展方案是ISO 8859-1，通常稱之為L(zhǎng)atin-1。Latin-1包括了足夠的附加字符集來(lái)寫(xiě)基本的西歐語(yǔ)言。
最后，這個(gè)人人參與的OEM終于以ANSI標(biāo)準(zhǔn)的形式形成文件。在ANSI標(biāo)準(zhǔn)中，每個(gè)人都認(rèn)同如何使用低端的128個(gè)編碼，這與ASCII相當(dāng)一致。不過(guò)，根據(jù)所在國(guó)籍的不同，處理編碼128以上的字符有許多不同的方式。這些不同的系統(tǒng)稱為代碼頁(yè)。
同時(shí)，甚至更為令人頭疼的事情正在逐步上演，亞洲國(guó)家的字符表有成千上萬(wàn)個(gè)字符，這樣的字符表是用8位二進(jìn)制無(wú)法表示的。該問(wèn)題的解決通常有賴于稱為DBCS（double byte character set，雙字節(jié)字符集）的繁雜字符系統(tǒng)。
不過(guò)，仍然需要指出一點(diǎn)，多數(shù)人還是姑且認(rèn)為一個(gè)字節(jié)就是一個(gè)字符，以及一個(gè)字符就是8個(gè)二進(jìn)制位，并且只要確保不將字符串從一臺(tái)計(jì)算機(jī)移植到另一臺(tái) 計(jì)算機(jī)，或者說(shuō)一種以上的語(yǔ)言，那么這幾乎總是可以湊合。當(dāng)然，只要一進(jìn)入Internet，從一臺(tái)計(jì)算機(jī)向另一臺(tái)計(jì)算機(jī)移植字符串就成為家常便飯了，而 各種復(fù)雜狀況也隨之呈現(xiàn)出來(lái)。令人欣慰的是，Unicode隨即問(wèn)世了。

2.iso8859-1

屬于單字節(jié)編碼，最多能表示的字符范圍是0-255，應(yīng)用于英文系列。比如，字母'a'的編碼為0x61=97。

很明顯，iso8859-1編碼表示的字符范圍很窄，無(wú)法表示中文字符。但是，由于是單字節(jié)編碼，和計(jì)算機(jī)最基礎(chǔ)的表示單位一致，所以很多時(shí)候，仍 舊使用iso8859-1編碼來(lái)表示。而且在很多協(xié)議上，默認(rèn)使用該編碼。比如，雖然"中文"兩個(gè)字不存在iso8859-1編碼，以gb2312編碼為 例，應(yīng)該是"d6d0 cec4"兩個(gè)字符，使用iso8859-1編碼的時(shí)候則將它拆開(kāi)為4個(gè)字節(jié)來(lái)表示："d6 d0 ce c4"（事實(shí)上，在進(jìn)行存儲(chǔ)的時(shí)候，也是以字節(jié)為單位處理的）。而如果是UTF編碼，則是6個(gè)字節(jié)"e4 b8 ad e6 96 87"。很明顯，這種表示方法還需要以另一種編碼為基礎(chǔ)。

3. GB碼

全稱是GB2312-80《信息交換用漢字編碼字符集基本集》，1980年發(fā)布，是中文信息處理的國(guó)家標(biāo)準(zhǔn)，在大陸及海外使用簡(jiǎn)體中文的地區(qū)（如新 加坡等）是強(qiáng)制使用的唯一中文編碼。P-Windows3.2和蘋(píng)果OS就是以GB2312為基本漢字編碼， Windows 95/98則以GBK為基本漢字編碼、但兼容支持GB2312。
雙字節(jié)編碼
范圍：A1A1~FEFE
A1-A9：符號(hào)區(qū)，包含682個(gè)符號(hào)
B0-F7：漢字區(qū)，包含6763個(gè)漢字

4.GB2312

GB2312(1980年)一共收錄了7445個(gè)字符，包括6763個(gè)漢字和682個(gè)其它符號(hào)。漢字區(qū)的內(nèi)碼范圍高字節(jié)從B0-F7，低字節(jié)從 A1-FE，占用的碼位是72*94=6768。其中有5個(gè)空位是D7FA-D7FE。GB2312-80中共收錄了7545個(gè)字符，用兩個(gè)字節(jié)編碼一個(gè) 字符。每個(gè)字符最高位為0。GB2312-80編碼簡(jiǎn)稱國(guó)標(biāo)碼。

　　GB2312支持的漢字太少。1995年的漢字?jǐn)U展規(guī)范GBK1.0收錄了21886個(gè)符號(hào)，它分為漢字區(qū)和圖形符號(hào)區(qū)。漢字區(qū)包括21003個(gè)字符。

5. GB12345-90

1990年制定了繁體字的編碼標(biāo)準(zhǔn)GB12345-90《信息交換用漢字編碼字符集第一輔助集》，目的在于規(guī)范必須使用繁體字的各種場(chǎng)合，以及古籍 整理等。該標(biāo)準(zhǔn)共收錄6866個(gè)漢字（比GB2312多103個(gè)字，其它廠商的字庫(kù)大多不包括這些字），純繁體的字大概有2200余個(gè)。
雙字節(jié)編碼
范圍：A1A1~FEFE
A1-A9：符號(hào)區(qū)，增加豎排符號(hào)
B0-F9：漢字區(qū)，包含6866個(gè)漢字

6.GBK

GBK編碼(Chinese Internal Code Specification)是中國(guó)大陸制訂的、等同于UCS的新的中文編碼擴(kuò)展國(guó)家標(biāo)準(zhǔn)。gbk編碼能夠用來(lái)同時(shí)表示繁體字和簡(jiǎn)體字，而gb2312只 能表示簡(jiǎn)體字，gbk是兼容gb2312編碼的。GBK工作小組于1995年10月，同年12月完成GBK規(guī)范。該編碼標(biāo)準(zhǔn)兼容GB2312，共收錄漢字 21003個(gè)、符號(hào)883個(gè)，并提供1894個(gè)造字碼位，簡(jiǎn)、繁體字融于一庫(kù)。Windows95/98簡(jiǎn)體中文版的字庫(kù)表層編碼就采用的是GBK，通過(guò) GBK與UCS之間一一對(duì)應(yīng)的碼表與底層字庫(kù)聯(lián)系。
英文名：Chinese Internal Code Specification
中文名：漢字內(nèi)碼擴(kuò)展規(guī)范1.0版
雙字節(jié)編碼，GB2312-80的擴(kuò)充，在碼位上和GB2312-80兼容
范圍：8140~FEFE（剔除xx7F）共23940個(gè)碼位
包含21003個(gè)漢字，包含了ISO/IEC 10646-1中的全部中日韓漢字

7. BIG5編碼

是目前臺(tái)灣、香港地區(qū)普遍使用的一種繁體漢字的編碼標(biāo)準(zhǔn)，包括440個(gè)符號(hào)，一級(jí)漢字5401個(gè)、二級(jí)漢字7652個(gè)，共計(jì)13060個(gè)漢字。 BIG5又稱大五碼或五大碼，1984年由臺(tái)灣財(cái)團(tuán)法人信息工業(yè)策進(jìn)會(huì)和五間軟件公司宏碁 (Acer)、神通 (MiTAC)、佳佳、零壹 (Zero One)、大眾 (FIC)創(chuàng)立，故稱大五碼。Big5碼的產(chǎn)生，是因?yàn)楫?dāng)時(shí)臺(tái)灣不同廠商各自推出不同的編碼，如倚天碼、IBM PS55、王安碼等，彼此不能兼容；另一方面，臺(tái)灣政府當(dāng)時(shí)尚未推出官方的漢字編碼，而中國(guó)大陸的GB2312編碼亦未有收錄繁體中文字。

Big5字符集共收錄13,053個(gè)中文字，該字符集在中國(guó)臺(tái)灣使用。耐人尋味的是該字符集重復(fù)地收錄了兩個(gè)相同的字：“兀”(0xA461及0xC94A)、“嗀”(0xDCD1及0xDDFC)。

Big5碼使用了雙字節(jié)儲(chǔ)存方法，以兩個(gè)字節(jié)來(lái)編碼一個(gè)字。第一個(gè)字節(jié)稱為“高位字節(jié)”，第二個(gè)字節(jié)稱為“低位字節(jié)”。高位字節(jié)的編碼范圍0xA1-0xF9，低位字節(jié)的編碼范圍0x40-0x7E及0xA1-0xFE。

盡管Big5碼內(nèi)包含一萬(wàn)多個(gè)字符，但是沒(méi)有考慮社會(huì)上流通的人名、地名用字、方言用字、化學(xué)及生物科等用字，沒(méi)有包含日文平假名及片假字母。

例如臺(tái)灣視“著”為“著”的異體字，故沒(méi)有收錄“著”字。康熙字典中的一些部首用字(如“亠”、“疒”、“辵”、“癶”等)、常見(jiàn)的人名用字(如“堃”、“煊”、“栢”、“喆”等) 也沒(méi)有收錄到Big5之中。

8.UTF-8

UTF:UCS Transformation Format.考慮到unicode編碼不兼容iso8859-1編碼，而且容易占用更多的空間：因?yàn)閷?duì)于英文字母，unicode也需要兩個(gè)字節(jié)來(lái)表 示。所以u(píng)nicode不便于傳輸和存儲(chǔ)。因此而產(chǎn)生了utf編碼，utf編碼兼容iso8859-1編碼，同時(shí)也可以用來(lái)表示所有語(yǔ)言的字符，不 過(guò)，utf編碼是不定長(zhǎng)編碼，每一個(gè)字符的長(zhǎng)度從1-6個(gè)字節(jié)不等。另外，utf編碼自帶簡(jiǎn)單的校驗(yàn)功能。一般來(lái)講，英文字母都是用一個(gè)字節(jié)表示，而漢字 使用三個(gè)字節(jié)。

注意，雖然說(shuō)utf是為了使用更少的空間而使用的，但那只是相對(duì)于unicode編碼來(lái)說(shuō)，如果已經(jīng)知道是漢字，則使用GB2312/GBK無(wú)疑是 最節(jié)省的。不過(guò)另一方面，值得說(shuō)明的是，雖然utf編碼對(duì)漢字使用3個(gè)字節(jié)，但即使對(duì)于漢字網(wǎng)頁(yè)，utf編碼也會(huì)比unicode編碼節(jié)省，因?yàn)榫W(wǎng)頁(yè)中包 含了很多的英文字符。

UTF8編碼后的大小是不一定,例如一個(gè)英文字母"a" 和　一個(gè)漢字 "好"，編碼后占用的空間大小就不樣了，前者是一個(gè)字節(jié)，后者是三個(gè)字節(jié)！編碼的方法是從低位到高位。黃色為標(biāo)志位其它著色為了顯示其，編碼后的位置。

9.Unicode

Unicode字符集（簡(jiǎn)稱為UCS）,國(guó)際標(biāo)準(zhǔn)組織于1984年4月成立ISO/IEC JTC1/SC2/WG2工作組，針對(duì)各國(guó)文字、符號(hào)進(jìn)行統(tǒng)一性編碼。1991年美國(guó)跨國(guó)公司成立Unicode Consortium，并于1991年10月與WG2達(dá)成協(xié)議，采用同一編碼字集。目前Unicode是采用16位編碼體系，其字符集內(nèi)容與 ISO10646的BMP（Basic Multilingual Plane）相同。Unicode于1992年6月通過(guò)DIS（Draf International Standard），目前版本V2.0于1996公布，內(nèi)容包含符號(hào)6811個(gè)，漢字20902個(gè)，韓文拼音11172個(gè)，造字區(qū)6400個(gè)，保留 20249個(gè)，共計(jì)65534個(gè)。Unicode編碼后的大小是一樣的.例如一個(gè)英文字母 "a" 和　一個(gè)漢字 "好"，編碼后都是占用的空間大小是一樣的，都是兩個(gè)字節(jié)！

Unicode可以用來(lái)表示所有語(yǔ)言的字符，而且是定長(zhǎng)雙字節(jié)（也有四字節(jié)的）編碼，包括英文字母在內(nèi)。所以可以說(shuō)它是不兼容iso8859-1編 碼的，也不兼容任何編碼。不過(guò)，相對(duì)于iso8859-1編碼來(lái)說(shuō)，uniocode編碼只是在前面增加了一個(gè)0字節(jié)，比如字母'a'為"00 61"。

需要說(shuō)明的是，定長(zhǎng)編碼便于計(jì)算機(jī)處理（注意GB2312/GBK不是定長(zhǎng)編碼），而unicode又可以用來(lái)表示所有字符，所以在很多軟件內(nèi)部是使用unicode編碼來(lái)處理的，比如java。