Unicode编码

除了“ascii”编码的那些外，还有很多的字符没能在终端显示出来。所以他们继续把127号以后的进行编码，从128一直编到了255，这些又称为“扩展字符”。

但是，当计算机进入中国后，由于我们的汉子博大精深，那区区的一两百个状态怎么够啊，所以我们当然也开始了自己的编码指定。因为最开始的考虑不周，如没有考虑到少数名族语言之类的。单汉字编码就有了好几种。“GB2312”：127号之前的字符保持不变，直接废掉了127之后的那些扩展字符，约定两个127号之后的子节组合在一起编码成一个汉字，前面一个字节称为高子节，后面一个字节称为低字节，都是127号之后的子节。“GBK”：前127号保持不变，不再要求两个字节都是127号之后的子节了，只要第一个字节，也就是高子节，是127号之后的子节就行，第二个字节（低字节）不管是不是127号之后的子节都可以。“GB18030”：对“GBK”又进行了扩展，增加了更多的字符表示。这一系列的中文编码又总称位“DBCS“。

单中文就出现了这么多的编码格式，在世界范围内来看，其他的国家的情况也差不多。这些各种各样的编码都是你认你的我认我的，根本都没有一个统一的共识，这样的编码信息就无法实现信息的传输和共享了，得，要想认别国的字符，那你得装一套别国的编码系统。在这样的情况下，国际标准化组织（iso）就开始着手解决这个问题了，他们废除了国家地区性的编码，统一制定了一个编码格式，”Universal Multiple-Octet Coded Character Set”，简称UCS, 俗称 “unicode“。

unicode有两种格式，UCS2和UCS4，它们采用定长编码，UCS2指定2个字节编码一个字符，UCS4指定4个字节编码一个字符，在这样的约定下，所有国家的字符都采用这样的约定格式来进行重新编码，原有的ascii保持编码格式不变，只是将它扩展成了2个字节或者是4个字节。当然，你可能也发现了，这样的编码指定也存在一些问题，UCS2根本就不能编码出所有的字符，UCS4却可能是文本的长度成倍的增加，因为一些字符本可以用一个字节或者是两个字节就可以编码的。所以基于这样一些原因，而且随着互联网的出现，就有了后来的 UTF-8,UTF-16,UTF-32，它们都是Unicode编码格式的具体实现方式。UTF-8和UTF-16采用变长的编码方式，utf-8约定可以用1-4个字节来表示一个字符，utf-16可以用2个或者是4个字节来编码一个字符。utf-16可以说是ucs2的扩展，而utf-32和ucs4基本相同。