GB2312
简介
GB2312 是汉字字符集和编码的代号，中文全称为“信息交换用汉字编码字符 集”，由中华人民共和国国家标准总局发布，一九八一年五月一日实施。GB 是 “国标” 二字的汉语拼音缩写。
GB2312 字符集 (character set) 只收录简化字汉字，以及一般常用字母和符 号，主要通行于中国大陆地区和新加坡等地。GB2312 共收录有 7445 个字符， 其中简化汉字 6763 个，字母和符号 682 个。
GB2312 将所收录的字符分为 94 个区，编号为 01 区至 94 区；每个区收录 94 个字符，编号为 01 位至 94 位。GB2312 的每一个字符都由与其唯一对应 的区号和位号所确定。例如：汉字“啊”，编号为 16 区 01 位。
GB2312 字符集的区位分布表：
区号 字数 字符类别 01 94 一般符号 02 72 顺序号码 03 94 拉丁字母 04 83 日文假名 05 86 Katakana 06 48 希腊字母 07 66 俄文字母 08 63 汉语拼音符号 09 76 图形符号 10-15 备用区 16-55 3755 一级汉字，以拼音为序 56-87 3008 二级汉字，以笔划为序 88-94 备用区
GB2312 编码
GB2312 原始编码 (encoding) 是对所收录的每个字符都用两个字节 (byte) 表 示。第一字节为“高字节”，由字符的区号值加上 32 而形成；第二字节为“低字 节”，由字符的位号值加上 32 而形成。例如：汉字“啊”，编号为 16 区 01 位。 它的高字节为 16 + 32 = 48 (0x30)，低字节为 01 + 32 = 33 (0x21)，合并 而成的编码为 0x3021。
在区位号值上加 32 的原因大慨是为了避开低值字节区间。
由于 GB2312 原始编码与 ASCII 编码的字节有重叠，现在通行的 GB2312 编码 是在原始编码的两个字节上各加 128 修改而形成。例如：汉字“啊”，编号为 16 区 01 位。它的原始编码为 0x3021，通行编码为 0xB0A1。
如果不另加说明，GB2312 常指这种修改过的编码。
应该说GB2312的每一个汉字由两个字节构成，其中每一个字节的范围都在0xA1 ~0xFE，正好每一个字节都有94个编码范围，与区位码个数完全对应。
EUC-CN可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而 GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。HZ和 ISO-2022-CN是对应区位码字符集的另外两种编码，都是用7位编码空间来支持 汉字。区位码和GB2312编码的关系有点像 Unicode和UTF-8。
GBK
GBK 编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode 基本多文种平面中的所有CJK汉字。同 GB2312一样，GBK也支持希腊字母、日文 假名字母、俄语字母等字符，但不支持韩语中的表音字符（非汉字字符）。 GBK还收录了GB2312不包含的汉字部首符号、竖排标点符号等字符。
GBK的整体编码范围是为：高字节范围是0×81-0xFE，低字节范围是0x40-7E和 0x80-0xFE，不包括低字节是0×7F的组合。
低字节是0x40-0x7E的GBK字符有一定特殊性，因为这些字符占用了ASCII码的位 置，这样会给一些系统带来麻烦。
有些系统中用0x40-0x7E中的字符（如“|”）做特殊符号，在定位这些符号时又 没有判断这些符号是不是属于某个 GBK字符的低字节，这样就会造成错误判断。 在支持GB2312的环境下就不存在这个问题。需要注意的是支持GBK的环境中小于 0x80的某个字节未必就是ASCII符号；另外就是最好选用小于0×40的ASCII符号 做一些特殊符号，这样就可以快速定位，且不用担心是某个汉字的另一半。 Big5编码中也存在相应问题。CP936和GBK的有些许差别，绝大多数情况下可以 把CP936当作GBK的别名。
GB18030
GB18030编码向下兼容GBK和GB2312，兼容的含义是不仅字符兼容，而且相同字 符的编码也相同。GB18030收录了所有Unicode3.1中的字符，包括中国少数民族 字符，GBK不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收 录在内。
GBK和GB2312都是双字节等宽编码，如果算上和ASCII兼容所支持的单字节，也 可以理解为是单字节和双字节混合的变长编码。GB18030编码是变长编码，有单 字节、双字节和四字节三种方式。
GB18030 的单字节编码范围是0x00-0x7F，完全等同与ASCII；双字节编码的范 围和GBK相同，高字节是0x81-0xFE，低字节的编码范围是0x40 -0x7E和 0x80-FE；四字节编码中第一、三字节的编码范围是0x81-0xFE，二、四字节是 0x30-0x39。
Windows 中CP936代码页使用0x80来表示欧元符号，而在GB18030编码中没有使 用0x80编码位，用其他位置来表示欧元符号。这可以理解为是 GB18030向下兼 容性上的一点小问题；也可以理解为0x80是CP936对GBK的扩展，而GB18030只是 和GBK兼容良好。
Unicode
每一种语言的不同的编码页，增加了那些需要支持不同语言的软件的复杂度。 因而人们制定了一个世界标准，叫做unicode。unicode为每个字符提供了唯一 的特定数值，不论在什么平台上、不论在什么软件中，也不论什么语言。也就 是说，它世界上使用的所有字符都列出来，并给每一个字符一个唯一特定数值。
Unicode 的最初目标，是用1个16位的编码来为超过65000字符提供映射。但这 还不够，它不能覆盖全部历史上的文字，也不能解决传输的问题 (implantation head-ache's)，尤其在那些基于网络的应用中。已有的软件必 须做大量的工作来程序16位的数据。因此，Unicode用一些基本的保留字符制定 了三套编码方式。它们分别是UTF-8,UTF-16和UTF-32。正如名字所示，在 UTF－8中，字符是以8位序列来编码的，用一个或几个字节来表示一个字符。这 种方式的最大好处，是UTF－8保留了ASCII字符的编码做为它的一部分，例如， 在UTF－8 和ASCII中，“A”的编码都是0x41.
UTF－16和UTF－32分别是Unicode的16位和32位编码方式。考虑到最初的目的， 通常说的Unicode就是指UTF-16。在讨论Unicode时，搞清楚哪种编码方式非常 重要。
UTF-8
基本对照表
0x00000000 - 0x0000007F:
0xxxxxxx
0x00000080 - 0x000007FF:
110xxxxx 10xxxxxx
0x00000800 - 0x0000FFFF:
1110xxxx 10xxxxxx 10xxxxxx
0x00010000 - 0x001FFFFF:
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0x00200000 - 0x03FFFFFF:
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0x04000000 - 0x7FFFFFFF:
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
