理解字符编码（ASCII，ISO-8859-1，GB2312，GBK，UTF-8，ANSI）
参考文章，感谢：
彻底理解字符编码
ANSI是什么
细说：Unicode, UTF-8, UTF-16, UTF-32, UCS-2, UCS-4)
Unicode 和 UTF-8 之间的关系
几种编码方式的对照表
| 名称 | 别名 | 编码字符个数 | 编码字符范围 | 编码所用字节数 | 编码规则 |
|---|---|---|---|---|---|
| ASCII | 128 | 0~9,大小写英文字母，常 用符号和特殊控制符 |
1byte(8bit),实际只用7bit 最高位统一规定为0 |
最高位做奇偶校验 | |
| IOS-8859-1 | Latin-1 西欧编码 |
256 | 在ASCII基础上从128~255又 编码了一些西欧语言字母 |
1byte(8bit) | 有较多协议默认使用该编码，虽然 中文（2字节)无法用该编码表示， 但可拆分存储再组合还原。如‘中’GB2312编码为0xd6d0,可拆为0xd6,0xd0 |
| GB3212 | 7445 | 简体中文和其他字符； 01-09区：收录除汉字外的682个字符，包含164个空字符（9*94-682）； 10-15区，88-94区为空白区，没使用； 16-55区收录3755个一级汉字，按拼音排序； 56-87区收录3008个二级汉字，按部首，笔画排序 |
2byte，682个其他字符包括拉丁字母，希腊 字母，日文平假名，片假名字母，俄语西里尔字母 |
汉字的编码范围0xB0A1-0xF7FE, GB2312区位码转GB2312编码规则见下 |
|
| BIG5 | 13060 | 繁体中文（有2个汉字为重复编码）和其他符号 | 2byte | 高字节：0x81-0xFE 低字节：0x40-0x7E | |
| GBK | 21003 | 在GB2312的基础上扩展，增加了繁体字的编码，但编码值和BIG5中不同 | 2byte | 23940个码位 | |
| Unicode | – | 11141112 | 地球上所有字符，每个字符都能找到对应的码点（code point） | 0x000000-0x10FFFF | 编码方法较复杂，略 说明：Unicode仅仅是一个符号集， 只规定了字符对应的码点，没有规定存储方式，由Unicode分出两种存储方案USC和UTF |
| UCS | UCS-2 | 2byte | 采用BOM（byte order mark),确定字节流采用大端序，还是小端序，确定字节流的编码方案 | ||
| UCS-4 | 4byte | 采用BOM | |||
| UTF | UTF-8 | 完全兼容ACII | 1~4byte，变长编码，有利于节省网络流量，应用广泛 | Unicode码点转化为UTF-8编码规则见下面介绍 | |
| UTF-16 | 2或4byte | 较复杂，略 | |||
| UTF-32 | 4byte | ||||
| ANSI | Windows系统本地默认编码 | Mac和Linux系统默认编码为UTF-8 | ANSI不是某种特定编码，Windows在美国ANSI码表示ASCII码，在中国大陆ANSI表示GBK，在中国台湾表示BIG-5，在韩国表示EUC-KR等 | Windows系统的文本编辑器默认编码为ANSI | 在0x00-0x7F之间的字符任然用一个字符表示，即兼容ASCII码，超出该范围的字符才采用本地编码，如GB2312等 |
ANSI编码的bug:
当输入“联通”并用ANSI编码保存并再打开时会乱码。因为当字符编码在C0<=AA<=DF,80<=BB<=BF,在这个范围，编辑器无法确定字符的编码方式，编码重合字段，不同的编码方式，对应不同的字符。“联通”的编码为C1 AA CD A8。
Unicode码点转化为UTF-8编码规则：
- 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的Unicode码。因此对于英文字母，UTF-8和ASCII是一样的。
- 对于多字节的符号，第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位都设为10，剩下的没有提及的二进制位全部为这个符号的unicode码。
| Unicode符号范围 | UTF-8编码方式 |
|---|---|
| 0000 0000 - 0000 007F(0~127) | 0XXX XXXX |
| 0000 0080 - 0000 07FF(128~2047) | 110XXXXX 10XXXXXX |
| 0000 0800 - 0000 FFFF(2048~65535) | 1110XXXX 10XXXXXX 10XXXXXX |
| 0001 0000 - 0010 FFFF(65535~1114111) | 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX |
例如:中文‘李’的Unicode码点为26446（十进制），二进制为0110 0111 0100 1110，十六进制为0x674E,根据上表，得到UTF-8编码1110 0110 10011101 10001110即0xE69D8E
GB2312区位码转编码的规则：
(区码转为十六进制+0xA0) +(位码转为十六进制+0xA0) = GB2312编码
例如：‘李’的区位码为3278（32区，78位），32 = 0x20,78 = 0x4E
0x20 + 0xA0 = C0; 0x4E + 0xA0 = 0xEE,所以‘李’的GB2312编码为C0EE