字符编码 ascii unicode utf-8 gb2312

一、
1.  
最早，只有ascii码，美国使用。

1个字节8位，只用了后7位(0-127)，表示了英语中一般的字符以及数字、字母；


2.
计算机普及，中国对ascii码进行扩展GB2312，两个字节表示一个汉字(原ascii码的英文继续由1个字节表示)；

注意：如果说汉字的ascii码，其实指的是gb2312

3.
越来越多的国家都使用计算机，提出一套支持地球上所有文化、字母、字符的编码Unicode：
2个字节表示一个字符（原ascii码的英文也需要两个字节，高位全为0）；

识别unicode的方法就是在ultraedit的16进制编辑模式下查看起编码一般以FF FE开头的

4.
后来随着网络的普及，在网络上传输数据，出现众多的UTF（UCS Transfer Format）标准，其中utf8每次8个位传输数据。

对于英文其utf8的编码与ascii一样；
对于汉字通常utf8编码为3个字节；


二、
注意：
对于中文来讲，gb2312和unicode都是2个字节表示中文一个汉字，但编码完全不一样，且无规律可循，需要查表。
当然！根据下面的方法可以轻松知道汉字的gb2312和unicode分别为什么

三、
unicode与utf8的转换规则：

Unicode 
UTF-8 

0000 - 007F 
0xxxxxxx 

0080 - 07FF 
110xxxxx 10xxxxxx 

0800 - FFFF 
1110xxxx 10xxxxxx 10xxxxxx 

因此
对于英文来讲，由于其unicode高位全为0属于0000 - 007F段，因此其utf8对应0xxxxxxx ，即还是其ascii码；
中文，utf8则有可能为2个字节或3个字节；


四、
ascii, gb2312, unicode, utf8各个特点：

如果表示英文：

ascii码1个英文字符1个字节；
<使用记事本输入hello，save as 为ansi码格式；再使用ultraedit打开，选择16进制编辑模式，可以看到68,65,6c,6c,6f    很明显1个字符1个字节表示>

unicode码1个英文字符2个字节；
<使用记事本输入hello，save as 为unicode码格式；再使用ultraedit打开，选择16进制编辑模式，可以看到
FF FE 68 00, 65 00, 6c 00, 6c 00, 6f 00

最高2个字节FF FE高位在后，如果为FE FF则表示高位在前
代表后面1个字符2个字节表示，且高字节位全为0，低字节位和ansi码一样>


如果表示中文：

gb2312码1个中文字符2个字节；
<使用记事本输入“汉”，save as 为ansi码格式（其实也就是gb2312）；再使用ultraedit打开，选择16进制编辑模式，可以看到BA BA   很明显1个字符2个字节表示>

unicode码1个中文字符2个字节；(但与gb2312完全不同，无规律可循，只能查表)
<使用记事本输入“汉”，save as 为unicode码格式；再使用ultraedit打开，选择16进制编辑模式，可以看到
FF FE 49 6c
最高2个字节FF FE高位在后，如果为FE FF则表示高位在前
代表后面1个字符2个字节表示，可以看到与gb2312的BABA完全不一样>

五、
实际使用过程中，这四种编码有时会混在一起：
实际来讲中文是没有ascii码的，因为1个字节不够表示中文，如果讲中文保存为ascii码格式其实指的是gb2312；
有事也将unicode与utf8相混淆，指代同一个东西，因为两者可以互相转化。

六、
utf8编码格式的获取：

可以根据unicode到utf8的转换规则来计算；（即实现了utf16To8, utf8To16）;

可以使用ultraedit的编码转换功能：
首先注意：
使用记事本编辑并选择保存save as为utf8，但到ultraedit中打开，其实都是unicode格式，而不是真正的utf8；
需要转换为utf8可以
选择“文件”-“转换”：常用的从上往下（对于汉字来讲这里的ascii就是gb2312）

ascii转unicode
utf8转unicode

unicode转ascii
utf8转ascii

ascii转utf8                                   (其实是ascii转unicode)
unicode/utf8转utf8                     (其实unicode并没有变)
unicode/ascii/utf8转utf8             (实现真正的unicode或ascii转为utf8)