各类编码之间的关系

面试遇到的问题，发现我对编码字符集还没系统总结过，今天来学习一下

主要是ASCII、UTF-8、Unicode、gkb等

ASCII

1.American Standard Code for Information Interchange，美国信息交换标注码

2.ASCII字符集是单字节存储，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。
前面0-127是表示固定的英语字符，后面128-255段由其他欧洲国家的字母填充。

Unicode

1.Unicode 为每种语言中的每个字符设定了统一且唯一的二进制编码，将全世界的常用文字都囊括进去，以满足跨语言跨平台进行文本转换和处理的需求。

2.Unicode 将世界上所有的文字用２个字节统一进行编码。现在用的是UCS-2，即２个字节编码，后续拓展所以出现UCS-4, 即4个字节编码，由原先的65536个编码扩展至将近100万编码。

UTF-8

1.UTF-8是Unicode的其中一个使用方式。UTF是 Unicode Tranformation Format，即把Unicode转做某种格式的意思。
使用可变长度字节来储存Unicode字符，使得双字节的Unicode能够在现存的处理单字节的系统上正确传输。

2.utf-8编码规则
如果第一个字节的最高位是0，那么表示占一个字节
如果第一个字节（leading byte）的最高三位是110，那么表示这个字符占2个字节（前面1的个数），第二个字节的最高2位是10
如果第一个字节（leading byte）的最高三位是1110，那么表示这个字符占3个字节，第2和第3个字节的最高2位是10
原理同上，只是第一个字节（leading byte）的最高三位是11110

以此类推，后面蓝色的位置，从后往前填字符在unicode编码下的二进制数，多余的位补0，具体如下

GB2312

1.当计算机引入国内时，编码仅支持英文字母，无法输入中文，因此制定了最早的中文编码集GB2312，全称叫做《信息交换用汉字编码字符集》，它是国家标准总局1980年发布的。

2.中文可以用两个字节表示嘛，一个字节8位。两个字节就是16位，能表示的最大范围是2的15次方，十进制就是32768，能表示3万多汉字呢，这样一来，我们就解决了计算机表示中文的问题。
（GB2312兼容ASCII码）

GBK

1.GB2312编码表是真的不够用啊，随着计算机在各行业内的应用，汉字不够用的窘迫也日益突出，最终在1995年12月1日制定了GBK编码，全称《汉字内码扩展规范》。它在GB2312的基础上收录了21003个汉字。

2.因此，GBK编码是包含GB2312的，当我们需要指明解码方式时，完全可以使用GBK代替GB2312，也就是说我们可以忘掉GB2312了。

带BOM的UTF-8

在Windows系统上，许多Windows程序（包括Windows记事本在内）在保存为UTF-8时，会在文档的开头添加字节0xEF，0xBB，0xBF，这是Unicode字节顺序标记，通常称为UTF-8 BOM。注意，Unicode标准既不要求也不建议使用BOM，说白了这就是Windows系统埋下的坑！如果你在Windows系统上保存了UTF-8 带BOM的文档，那么在Linux或Mac OS上可能会无法正确识别。因此，非常不建议使用Windows自带的记事本去编辑源代码，甚至其他文本文件也最好不要用它编辑，因为其他平台都是使用不带BOM的标准UTF-8编码方式。

Shift_JIS 和 Big5

1.当然，日本人也发明了自己的编码表，用以显示日文，同样也会兼容ASCII码，这就是Shift_JIS编码，而港台地区使用繁体中文，也制作了自己的编码表，称为Big5编码。

参考文章：
编码今生前世
utf-8编码