GBK和UTF-8文字编码的区别

UTF-8是一种国际化标准的文字编码，我们已知Windows系统程序已经将最初的UTF-8转向Unicode，而GBK的存在是为了中国国情而创造的，不过GBK也将伴随着中文字符的一直流传下去。

 

　　GBK和UTF-8文字编码的特点：

　　GBK的文字编码是双字节来表示的，即不论中、英文字符均使用双字节来表示，只不过为区分中文，将其最高位都定成1。

　　至于UTF－8编码则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位（三个字节）来编码。对于英文字符较多的论坛则用UTF－8节省空间。

　　GBK和UTF-8文字编码的区别：

　　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。

　　GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准；（好像还不是国家标准）

　　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UTF8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。

　　注意：

　　UTF-8版本虽然具有良好的国际兼容性，但中文需要比GBK/BIG5版本多占用50%的数据库存储空间，因此并非推荐使用，仅供对国际兼容性有特殊要求的用户使用。

　　总结：

　　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。

　　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。

　　ASCII（ISO-8859-1）是鼻祖，最简单的方式，字节高位为0。

　　GB2312、GBK、GB18030，这几个是中文编码方式，并向下兼容。GB2312包含7000多个汉字和字符，GBK包含21000多个，GB18030更厉害，到了27000多个。他们都是用2个字节来表示一个汉字。跟ascii是怎么区分的呢？如果高字节的高位为1（也就是高字节大于127），就表示是汉字，低字节并无明显特征。

　　Unicode是统一编码，它建立了一个全世界统一的码表。世界上的所有文字，在这张码表中都是唯一的。

　　UTF－8是Unicode的一种存储、传输方式。它将整个Unicode码表分为3部分。

　　0000 - 007F 这部分是最初的ascii部分，按原始的存储方式，即0xxxxxxx。

　　0080 - 07FF 这部分存储为110xxxxx 10xxxxxx。

　　0800 - FFFF 这部分存储为1110xxxx 10xxxxxx 10xxxxxx。

　　因此，一个汉字究竟被存储为什么，就需要：先查unicode码表，然后根据在码表的位置进行计算。例如：“电”字，在码表中是3575，计算成utf8就是E794B5，而在GB2312的码表中为B5E7。

　　UTF－8的好处：兼容ASCII，存储英文文件都是单字节，文件小。当然，当以存中文为主时就变成了3字节编码了，比GB系列还大！如何标明一个文件是utf8格式呢？这个标记是可选的：EF BB BF。比如，用windows自带的记事本创建一个utf8格式的文件，就会加上这个标记。但是，如果用ultraedit创建utf8文件，并不会加上这个标记。这个标记有个术语，叫做BOM（Byte Order Mark）。不带BOM的utf8文件和GB2312文件怎么区分呢？我也不知道。唯一能想到的办法就是：先用一种试，如果出现乱码，就用另一种再试。

　　简言而知，GBK编码方式的编码是以中国国情而创造的，在国际上的兼容性不好，这也是为什么大多数的网页是使用UTF-8编码而不是GBK。

转载于:https://www.cnblogs.com/hejing-swust/p/7967680.html