字符编码

非Unicode编码

ASCII码首先是为了满足美国使用，大概只需要128个字符，规定了128个字符的二进制表示方法，128刚好用7位表示，计算机最小的单位byte是8位，ASCII码中首位置0，剩下7位表示字符。

0~127中32~126表示的都是可打印字符，包含了大多数常用字符，0~31和127表示的不可打印字符，一般用于控制目的。

又称Latin-1，使用一个字节表示一个字符，其中0~127一样，128~159表示一些控制字符，160~255表示一些西欧字符。

ISO 8859-1虽然是为西欧国家制定的，但是标准早于欧元导致连欧元符号€都没有，Windows-1252基本代替他，在很多应用中即使声明采用ISO编码，解析的时候却依然会当作Window解析。

区别：Windows在ISO的基础上，在128~159直接使用了一些可打印字符。

GB2312是第一个中文标准，采用两个字节表示一个汉字，其中最高位都是1，如果是0就认为是ASCII码。两个字节中高位0xA1~0xF7,低位是0xA1~0xFe,能表示约7000个汉字和一些罕用词和繁体字。

GBK建立在GB2312基础上，向下兼容GB2312。GBK增加了14000多汉字，共计约21000个汉字。同样使用两个字节表示，其中高位字节范围0x81~0xFE，低位字节范围0x40~0x7E和0x80~0xFE。

注意：低位字节是从0x40开始的，说明低位字节的最高位可能是0，哪如何区分是汉字还是ASCII码？

答：汉字是由两个字节表示，在解析的时候，只要第一个字节最高位是1，那么就将下一个字节连起来解析成一个汉字，而不用考虑他的最高位，解析完后跳到第三个字节继续解析。

GB18030向下兼容GBK，新增55000字符，共76000个字符，包括少数民族字符，以及中日韩统一字符。GB18030中有的是两个字符，有的是四个字符。两个字符的表示和GBK一样，四个字符中第二个字节从0x30~0x39，以此区分是两个字节表示还是4个字节表示一个字符。

Big5针对繁体中文，规范应用于中国台湾和香港等地区，包括13000多繁体字，使用两个字节表示。

Unicode编码给世界上所有字符分配了一个唯一的数字编号，从0x000000~0x10FFFF，包括110万，但大多数常用字符都在0x0000~0xFFF之间，他并没有规定每个字符怎么对应到二进制上，讲编码对应到二进制上，讲交给UTF-32、UTF-16、UTF-8来完成。

UTF-32用四个字节表示一个字符，不对应ASCII码。

UTF-16大部分用两个字节表示，少部分用4个字节表示，不对应ASCII码。

UTF-8用3个字节表示汉字，1个字节表示英文，对应ASCII码