綜合技術--ascii、gb23十二、gbk、unicode、utf-8等幾種字符集編碼介紹

ASCII字符集編碼 ASCII碼是 美國標準信息交換碼 的簡稱，是標準的 單字節 編碼。 ASCII碼是7位編碼，編碼範圍是0x00~0x7f，所以能夠看出編碼範圍是0~127。 ASCII碼能夠表示全部的大小寫字母(a~z,A~Z)、數字(0~9)、標點符號、特殊控制字符。 0~31與127(共33個)是控制字符或通訊專用字符。 32~47是空格、驚歎號、大小括號...句號、斜槓等字符。 48~57是0~9十個阿拉伯數字。 58~64是冒號、...@符號。 65~90是A~Z大寫字母。 91~96是[ ... 、符號。 97~122是a~z小寫字母。 123~126是{ | } ~符號。

GB2312字符集編碼 很顯然ascii碼不能知足中文的需求，隨之而來是中國人發明的gb2312碼。 GB2312是第一個漢字編碼的國家標準。 GB2312是基於區位碼設計的，他將編碼表分紅94個區，每一個區包含94個位。 每一個字符的區號和位號組合起來就是該漢字的區位碼。區位碼用10進制數來表示，例如1601表示16區01位，對應的字符是"啊"。 在區位碼的區號和位號上分別加上0xA0就能夠獲得gb2312編碼，所以gb2312的編碼範圍是0xA1A1~0x7E7E。

GBK字符集編碼 GBK編碼是GB2312編碼的超集，向下徹底兼容gb2312。 GBK的總體編碼範圍是0x8140~0xfeff，高字節範圍是0x80~0xfe，低字節範圍是0x40~0x7e和0x80~0xfe。

UNICODE字符集編碼 unicode是ISO爲了解決支持不一樣語言而制定的一個標準，它爲每種語言的每一個字符都設定了一個惟一的二進制碼。 unicode制定了三套編碼方式：utf-八、utf-1六、utf-32。 utf-8，字符是以8位序列來編碼的，用一個或者多個字節(1B=8*b)來表示一個字符。

UTF-8 unicode最大的一個問題是：英文字母只須要一個字節表示就夠了，而若是統一規定爲unicode編碼，則可能編碼成2個或3個字節，那麼這無疑是對內存的一種浪費。 unicode在很長一段時間內推廣不開，直到互聯網的大力發展，才解決了unicode的傳輸問題。爲了兼容ascii碼，規定互聯網最小傳輸單位爲8位，這就是utf-8。 utf-8是專爲傳輸而設計的一種編碼方式，並使編碼無國界，這樣就能夠知足世界上全部的字符。 utf-8最大的特色是 它是一種變長的編碼方式，它可使用1~4個字節表示一個符號，根據不一樣的符號產生不一樣的字節。當在ascii碼範圍時，就用一個字節表示；unicode碼對應一箇中文字符佔2個字節，而utf-8佔3個字節。