有关ASCII、Unicode、UTF-8、GBK的一些知识

扩展知识：
byte（字节）：计算机中基本的存储单元
bit（比特）：计算机中最小的存储单位
1byte=8bit

字：计算机进行数据处理时，一次存取、加工和传送的数据长度称为字（word），一个字通常由一个或者多个字节构成。
16位计算机：一个字长就是16位，两个字节。
32位计算机：一个字长度是32位，四个字节。

了解：ASCII码

• 在计算机内部，所有数据都使用二进制表示。每一个二进制位（bit）有0和1两种状态,因此8个二进制位就可以组合出256种状态，这被称为一个字节(byte)。一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。
• ASCII码:上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码。ASCIIl码一共规定了128个字符的编码，比如空格“SPACE"是32（二进制00100000)，大写的字母A是65（二进制01000001)。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

• ASCII的缺点:

  • 不能表示所有字符。
  • 相同的编码表示的字符不一样:比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (:)

了解: Unicode编码

• 乱码:世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。
• Unicode:一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独无二的编码，使用Unicode没有乱码的问题。
• Unicode 的缺点:Unicode只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储:无法区别Unicode 和ASCII:计算机无法区分三个字节表示一个符号还是分别表示三个符号。另外，我们知道，英文字母只用一个字节表示就够了，如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储空间来说是极大的浪费。这时我们就需要一个对Unicode编码的实现。

了解：UTF-8

• UTF-8是在互联网上使用最广的一种 Unicode 的实现方式。
• UTF-8是一种变长的编码方式。它可以使用1-6个字节表示一个符号，根据不同的符号而变化字节长度。

• UTF-8的编码规则:

  • 对于单字节的UTF-8编码，该字节的最高位为0，其余7位用来对字符进行编码（等同于ASCIl码）。
  • 对于多字节的UTF-8编码，如果编码包含n个字节，那么第一个字节的前n位为1，第1个字节的第n+1位为0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节，都是最高两位为"10"，其余6位用来对字符进行编码。

了解：GBK

GBK: 专门用来解决中文编码，双字节。

是在国家标准GB2312基础上扩容后兼容GB2312标准。

包含全部中文字符。

UTF-8: 解决国际上制度的一种多字节编码，对英文使用8位（1个字节），中文使用24位（3个字节）来编码。

对于英文字符较多的论坛适用于UTF-8节省空间。

包含全世界所有国家需要用到的字符。

简言而知，GBK编码方式的编码是以中国国情而创造的，在国际上的兼容性不好，这也是为什么大多数的网页是使用UTF-8编码而不是GBK。