04_编码

中文编码：区位码、国际码、国标码（GB2312、GBK、GB18030等）
国标：unicode，unicode只是一个统称，具体的有UTF-8… …
1-6讲的是中文编码，7以后是国标

链接：
1、http://blog.csdn.net/Dia_Vampire/article/details/39928493
2、https://segmentfault.com/q/1010000004240543/a-1020000004241172
3、https://blog.poxiao.me/p/unicode-character-encoding-conversion-in-cpp11/

一、区位码（两个字节）

1、四位十进制数字表示；
2、1980年，为了使每个汉字有一个全国统一的代码，我国颁布了汉字编码的国家标准：GB2312-80《信息交换用汉字编码字符集——基本集》，这个字符集是目前国内所有汉字系统的统一标准。它规定了用两个字节来表示一个汉字，每个字节都只能使用低7位，共有128*128种状态，又由于ASCII中的控制代码在汉字系统中也要使用，所以只剩下94*94=8836种状态用来表示国标码规定的6763个汉字和682个全角字符。每个字符都对应了唯一的区位码、国标码和机内码；
3、区位码是一个四位的十进制数，前两位叫做区码，后两位叫做位码。区位码共有94个区（行），每个区有94个位（列）；
4、区位码不能用于通信，因为它可能与通信使用的控制码（00H~1FH）发生冲突。

二、国际码（两个字节）

1、四位十六进制数表示；
2、为了进行汉字通信，将区位码的区码和位码都加20H，避开了控制码，就得到了国标码。
3、貌似说是为了避开acii的前32个控制字符，以及利用acii的后面可用字符，就将区位码向后移动了32个字符，就是加上0x20；
4、国际码=区位码+32（0x20）

三、国标码（GB2312、GBK、GB18030等都是国标）（两个字节）

1、四位十六进制数表示；
2、由于汉字与英文字符通常混用，所以汉字信息如不加以特殊标识就会与ASCII码混淆，如汉字“学”的国标码为51 27H，在ASCII中代表“Q”和“‘”。此问题的解决方法之一是将汉字编码每字节的最高位置为1，即国标码两字节分别+80H，则汉字“学”的机内码为D1A7H；
3、机内码用十六进制表示；
4、GB2312简体中文编码表是机内码对照表。
5、国标码=国际码+0x8080=(区位码+0x2020)+0x8080=区位码+0xA0A0 ；
6、国际码=区位码+0x2020 ；

四、GB2312（即交换码，机内码）（两个字节）

五、GBK（两个字节）

六、GB18030（可变字长，1、2、4字节都有）

1、GB18030 是中国的标准，国标(GB)，就是如何表示一个字符。Unicode只给出了一个字符的编号，并没有规定如何表示(或者说保存)，UTF-8规定了如何表示。所以说，GB18030 和 unicode+utf-8 是不同的字符表示方式，一个是中国制定的标准，一个是国际上的组织制定的标准。
2、计算机被发明的时候，人们认为不会像现在这么流行，所以包括控制字符在内人们只定义了包括控制字符在内的128种符号，这就是 ASCII。
3、后来计算机流行到非英语国家，那么他们有自己的语言需要计算机显示。由于ASCII符号只有128个，而计算机一个字节有8位，所以还有128个冗余，于是他们用剩余的128个冗余表示他们自己国家的文字。不同的国家把这128个（其实是95个）定义成不同的字符，分别叫做ISO8859-1(Latin-1),ISO8859-2(Latin-2)…..ISO8859-16(Latin-10)。额，中间有一部分不叫 Latin（好坑人呀）
3、但是在东亚，就说中国吧，128个显然表示不了所有的汉字。所以就只能用两个字节表示一个汉字。于是规定，原始的 ASCII 还是用一个字节表示，使用连续两个字节（这两个字节值都大于128）表示一个汉字。一共可以表示128×128=16384个汉字（实际没有那么多），叫做 GB2312。后来人们发现自己太傻，其实第一个字节大于128的话，我们用连续两个字节表示一个汉字也不会出现歧义，所以规定，如果当前字节小于128那么就是标准的 ASCII，如果当前字节大于128就用当前字节和后面那个字节表示一个汉字，所以可以表示（128×256=32768）个汉字，然后补充了一部分汉字，叫做 GBK。在此基础上又增加了一部分汉字，这个版本叫做 GB18030。

七、unicode（统一码、万国码、单一码）（可变字长）

1、缘由：不同的国家有不同的标准，所以当大家交流的时候就不方便。因此一些组织开始着手统一全部的字符集，叫做 Unicode。
2、UTF-8是一种变长编码，对于一个Unicode的字符被编码成1至4个字节。
3、Unicode是计算机领域的一项行业标准，它对世界上绝大部分的文字的进行整理和统一编码，Unicode的编码空间可以划分为17个平面（plane），每个平面包含2的16次方（65536）个码位。17个平面的码位可表示为从U+0000到U+10FFFF，共计1114112个码位，第一个平面称为基本多语言平面（Basic Multilingual Plane, BMP），或称第零平面（Plane 0）。其他平面称为辅助平面（Supplementary Planes）。基本多语言平面内，从U+D800到U+DFFF之间的码位区段是永久保留不映射到Unicode字符，所以有效码位为1112064个。

八、UTF-8

1、可变编码，有1、2、3、4字节之分。由相应的unicode字符编码加上特定的格式转化而来。
2、
Unicode编码           UTF-8编码(二进制)
U+0000 – U+007F      0xxxxxxx
U+0080 – U+07FF      110xxxxx 10xxxxxx
U+0800 – U+FFFF      1110xxxx 10xxxxxx 10xxxxxx
3、。。。

九、UTF-16

十、UTF-32

十一、ucs-2