本文主要是介绍ASCII、GB2312、Unicode和UTF-8，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
ASCII
我们知道，计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，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00000000到11111111。
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（全称是“美国信息交换标准码”，American Standard Code for Information Interchange），一直沿用至今。
ASCII 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，最前面的一位统一规定为0。
但这仅适用于英文字母、数字和一部分符号，世界上还有许多语言的字符需要能够被计算机系统处理，这样就需要一个比ASCII大得多的字符集囊括这些字符。
Unicode 就是用来解决这些问题的。
GB2312
GB2312 编码，就是在 ASCII 编码的基础上进行扩充的，它规定如下：
ASCII 的字符完整地包含在GB2312里，编码不变，仍然是以0开头，用一个字节来表示一个字符；对于ASCII没有的字符，就用1开头来区分，用两个字节合起来表示一个字符。
这样，在解码的时候，遇到字节是以0开头的，就知道这一个字节就表示了一个字符；遇到字节是以1开头的，就知道要加上下一个字节合起来表示一个字符。这样就在 GB2312 中既把ASCII的字符包含了进来，又能将它们区分出来，能达到兼容的效果了
GBK 即汉字内码扩展规范，其中 K 为汉语拼音扩展中扩字的声母。共收入 21886 个汉字和图形符号。
Unicode
这是全世界最大的字符集，相对于ASCII码，Unicode大大扩展了编码位数到16 - 32位，意味着它理论上最多可以容纳 2 32 ≈ 42 亿 2^{32}≈42亿 232≈42亿 个字符。Unicode包含了各种字母、中日韩文字、emoji等几乎所有语言和领域的符号，如汉字“我”对应的Unicode是01100010 00010001，写成16进制就是6211。现在互联网上传递、展示所使用的编码基本都是Unicode。它的最低7位与ASCII码是完全兼容的，即如果用16位Unicode来表示大写字母A，就会写成00000000 01000001。
Unicode 的问题
需要注意的是，Unicode 只是一个符号集，它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。
有两个严重的问题：
- 怎么才能知道一个字节表示一个符号，而不是三个字节表示
- 如果统一用三个字节表示一个符号，那么英文字符必然存在浪费
UTF-8
UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。
UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4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 的编码规则很简单，只有二条：
- 对于单字节的符号，字节的第一位设为
0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。 - 对于
n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。
下表总结了编码规则
| Unicode符号范围 | UTF-8编码方式 |
|---|---|
| (十六进制) | (二进制） |
| 0000 0000-0000 007F | 0xxxxxxx |
| 0000 0080-0000 07FF | 110xxxxx 10xxxxxx |
| 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
总结
- ANSI：文件的编码就是两个字节
D1 CF，这正是严的 GB2312 编码，这也暗示 GB2312 是采用大头方式存储的。 - Unicode：编码是四个字节
FF FE 25 4E，其中FF FE表明是小头方式存储，真正的编码是4E 25。 - Unicode big endian：编码是四个字节
FE FF 4E 25，其中FE FF表明是大头方式存储。 - UTF-8：编码是六个字节
EF BB BF E4 B8 A5，前三个字节EF BB BF表示这是UTF-8编码，后三个E4B8A5就是严的具体编码，它的存储顺序与编码顺序是一致的。
**简单来说：**Unicode、GBK和Big5码等就是编码的值（也就是术语“字符集”），而UTF-8、UTF-16、UTF32之类就是这个值的表现形式（即术语“编码格式”）。
**另外：**Unicode、GBK和Big5码等字符集是不兼容的，同一个汉字在这三个字符集里的码值是完全不一样的。如＂汉＂的Unicode值与gbk就是不一样的，假设Unicode为a040，GBK为b030。以UTF-8为例，UTF-8码完全只针对Unicode来组织的，如果GBK要转UTF-8必须先转Unicode码，再转UTF-8就OK了。
即GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：
- GBK、GB2312 --先转–> Unicode --再转–> UTF8
- UTF8 --先转–> Unicode --再转–> GBK、GB2312
参考文章
- 字符编码那点事：快速理解ASCII、Unicode、GBK和UTF-8 - 知乎 (zhihu.com)
- ASCII、Unicode、UTF-8、GBK的区别与联系_ascii unicode utf-8 gbk区别-CSDN博客
- 字符编码笔记：ASCII，Unicode 和 UTF-8 - 阮一峰的网络日志 (ruanyifeng.com)
- 【编码】彻底弄懂ASCII、Unicode、UTF-8之间的关系 - 大唐西域都护 - 博客园 (cnblogs.com)
- 一文看懂字符编码 - Unicode、UTF8、GBK、GB2312、ANSI和ASCII - 兔子先生wt - 博客园 (cnblogs.com)
这篇关于ASCII、GB2312、Unicode和UTF-8的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
