编码问题(UTF-8、gb2312、unicode)

相信大家很多人跟我一样，对于编码一直感觉云山雾罩，说知道吧？就知道gb2312是中文编码，一看见乱码，就知道是编码出了问题，但是是哪儿出问题，为什么出问题，除了蒙，还是蒙。尤其是弄好了之后，有人问：为什么呢。自己也不知道，就说：反正就是这样的，用什么编码就用什么解码。为什么，鬼知道。
  其实问题还是理解了之后，才能真正的明白为什么会这样，而且编码这个问题，也不是那么深奥，在网上搜索了一些资料，算是一直以来对编码问题的一个解决吧，最让人明白的资料有两个,第一个：
http://www.cnblogs.com/KevinYang/archive/2010/06/18/1760597.html
这个关于编码，我认为是最清楚的了，刚开始看完之后，觉得自己是真明白了，gb2312只是一个字符集，而unicode是所有能用到的字符的一个总集，utf-8是一种编码。它的字符集就是unicode。而且unicode是全人类达成共识的巨大的字符集，包括了gb2312字符集。
  有了这个“底气”之后，就开始了自己的探索了：
1、用记事本一个写一个xml，如下：
XML code 

<?xml version="1.0" encoding="gb2312"?>
<root>
<person>hi，大 美女你好</person>
</root> 


将这个记事本保存为utf-8格式，然后打开，乱码，想也没想，感觉就是：用utf-8编码的文件，用gb2312的去解码，有的utf-8字符gb2312都没有，肯定会出问题了。。。（这个理解是错误的！！！）
2、用记事本一个写一个xml，如下：
XML code 

<?xml version="1.0" encoding="utf-8"?>
<root>
<person>hi，大 美女你好</person>
</root> 


将这个记事本保存为ansi格式（在简体中文的操作系统下，就是gb2312编码），然后打开，乱码？？？为什么呢？unicode编码不是包含了gb2312的字符集吗？按说应该能解析啊？？？（延续了第一个的想法，仅仅以字符集的大小去判断，还是错误的）
  没办法，只能继续网上找答案了，于是第二个资料出现了。
http://social.msdn.microsoft.com ... -a207-fe30523cc5a4/
对于这个问题是这样说的：“UTF-8中包含所有 gb2312 中的字符的定义 但是 每个字符的编号却不是完全对应 的 所以就会出现页面的中文字不能对应 的情况”
答案详见4楼Raymond Tang 版主的答案。
这样的话，就可以解释了为什么utf-8解析不了gb2312中的字符了。
  但是，我觉得这个答案还是有问题，像Raymond Tang版主所说，“每个字符的编号却不是完全对应 的”，他的意思，应该是gb2312中的编码和utf-8的编码编号是不一样的，所以不能解析出正确的字符。而如果仅仅是编码不一样，那至少也不会变化太大，应该是差不多还是个汉字吧？为啥成乱码呢？
  于是，我又仔细看了看第一篇文章，感觉发现了问题的所在：“GB2312以及GBK字符集，限定了使用最多2个字节来编码所有字符，并且规定了字节序。这样的编码系统通常用简单的查表，也就是通过代码页就可以直接将字符映射为存储设备上的字节流了。”，而：“虽然每个字符在Unicode字符集中都能找到唯一确定的编号（字符码，又称Unicode码），但是决定最终字节流的却是具体的字符编码”，这时，就由utf-8来决定了。简单的来说，就是字符流被打乱了，utf-8是变长编码的，它不能按照gb2312那样解析字节流。所以出现了乱码。
  所以，终归到底，unicode是包含了gb2312中的字符集，但是每种编码解码方式不一样，也就是说，utf-8编码是一种规则，他自己编码的字节流，需要用自己的规则去解码，如果不一致，就会出现乱码情况。这就是根源所在。

  期间还发现了个挺有趣的事情：当新建文本文档只输入“联通”2字保存再打开时将是乱码。
  详见：http://baike.baidu.com/view/1273097.htm

  这个帖子是我自己的一个总结，以备啥时候忘了能提醒自己，同时希望能对像我一样不明白的一些童鞋有些帮助，让那些早就深刻理解这些东西的人来说见笑了。。。