GB2312及UTF8编码【转】

汉字区位码：将汉字定义在一个94行，94列的表中，常用汉字在16-55行，其他汉字在56-87行，符号在1-9区，其他行未定义，其中55行的第 90列至94列未定义。比如，“万”字的区位码是 45 82， 在45行，82列。

汉字国标码：又称交换码，是一个码集。将区位码的十进制行列值转换成16进制，再分别加上20H得到。举例：将“万”的区位码转换为16进制表示:2D 52,分别加上20H得：4D 72，即为国标码。
由此，汉字第一个字节的最小值：10H + 20H =30H, 最大值:57H + 20H = 77H
第二个字节最小值： 01H + 20H = 21H, 最大值: 5EH + 20H = 7EH

GB2312:是一种编码方式，由于国标码和ASC（00H-80H）码重叠，导致计算机无法识别，为解决此问题，将国标码的每个字节最高位置1，使得每 个字节大于80H，从而与ASC码区分，这样英文字符和汉字在同一个文件中可以区分开。
由此GB2312编码的汉字第一个字节最小值：30H | 80H = B0H, 最大值：77H | 80H = F7H
第二个字节的最小值： 21H | 80H = A1H， 最大值：7EH | 80H = FEH
因此，GB2312的编码范围是：B0A1H 到 F7FEH，B0A1H到F7FEH可以容纳18269个字符，而实际只用了6763个汉字，所以GB2312码并非完全码，存在浪费。
根据GB2312码可以反推区位码，在PHP4.0时代，由于GD库不支持汉字，很多程序就是利用GB2312编码反推区位码，然后根据区位码获取字体文 件中汉字的字符点阵数据，然后画图。

GBK：是GB2312的扩充，兼容GB2312,包括了20292个汉字。采用双字节编码，编码范围是 8140H 到 FEFEH，可见第一个字节大于80H，可以和ASC码区分开，第二个字节和ASC码存在重叠部分，但可以根据前一个字节是否大于80H进行判定，因此 GBK码是兼容ASC码的。

各类编码的范围：
编码  

     高位字节       低位字节
区位码     （10进制）      16-87 1-94
国标码     （16进制）      30H-77H 21H-7EH
GB2312     （16进制）      B0H-F7H A1H-FEH


Unicode:目前采用两个字节编码，理论上可以表示65535个字符，ASC码也采用两字节编码，在每个ASC码前加00H。Unicoe和汉字区位 码没有任何关系，只是在65535字符空间的范围内分配了20902个字符给汉字。要将Unicode转换为GB2312或GBK，需要一个映射表，目前 网上有各种映射表，可以方便的将Unicode码转换为区位码、国标码、GB2312码等。
提供一个下载链接：http://www.haible.de/bruno/charsets/conversion-tables /GB2312.tar.bz2

UTF-8：直接采用Unicode码的编码称为UTF-16，由于UTF-16中含有00H，对于像Unix这样的操作系统，00H具有特别的意义，容 易出现问题。UTF-8很好的解决了这个问题，通过对Unicode进行编码，ASC码仍然采用单字节表示。