编码与字符集
http://tool.chinaz.com/Tools/Base64.aspx
http://www.cnblogs.com/malecrab/p/5300486.html
UTF8最好不要带BOM，附许多经典评论
http://www.cnblogs.com/findumars/p/3620078.html
#####################################
质检总局 http://www.aqsiq.gov.cn/
部委管理的国家标准委员会 http://www.sac.gov.cn/
工标网 http://www.csres.com/ 查标准上工标网
GBK 汉字内码扩展规范编码表(二) http://blog.csdn.net/qiaqia609/article/details/8069655
全国信息技术标准化技术委员会
汉字内码扩展规范(GBK)
ChineseInternal Code Specification
1.0 版
（按分类顺序排列）
● GBK/1:GB2312非汉字符号
http://www.csres.com/
http://www.mytju.com/classcode/tools/encode_utf8.asp 字符编码查询
http://blog.chinaunix.net/uid-25544300-id-3281847.html 汉字字符编码对照表
####################################
oracle中查找汉字编码，用下面的函数
select dump('我',1016) from dual;
select dump(to_multi_byte('1'),1016) from dual;
然后再对照字典中的表示，以便验证
http://www.cnitblog.com/ffan/archive/2008/02/16/9510.html
GBK是采用单双字节变长编码，英文使用单字节编码，完全兼容ASCII字符编码，中文部分采用双字节编码。
GBK编码，是在GB2312-80标准基础上的内码扩展规范，使用了双字节编码方案，其编码范围从8140至FEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，完全兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字。GBK编码方案于1995年10月制定， 1995年12月正式发布，目前中文版的WIN95、WIN98、WINDOWS NT以及WINDOWS 2000、WINDOWS XP、WIN 7等都支持GBK编码方案。
字汇
GBK 规范收录了 ISO 10646.1 中的全部 CJK 汉字和符号，并有所补充。具体包括：
1. GB 2312 中的全部汉字、非汉字符号。
2. GB 13000.1 中的其他 CJK 汉字。以上合计 20902 个 GB 化汉字。
3. 《简化字总表》中未收入 GB 13000.1 的 52 个汉字。
4. 《康熙字典》及《辞海》中未收入 GB 13000.1 的 28 个部首及重要构件。
5. 13 个汉字结构符。
6. BIG-5 中未被 GB 2312 收入、但存在于 GB 13000.1 中的 139 个图形符号。
7. GB 12345 增补的 6 个拼音符号。
8. 汉字“○”。
9. GB 12345 增补的 19 个竖排标点符号（GB 12345 较 GB 2312 增补竖排标点符号 29 个，其中 10 个未被 GB 13000.1 收入，故 GBK 亦不收）。
10. 从 GB 13000.1 的 CJK 兼容区挑选出的 21 个汉字。
11. GB 13000.1 收入的 31 个 IBM OS/2 专用符号。
12.未录入《新华字典》上的一些字，如“韡”的简体。
分配及顺序
GBK 亦采用双字节表示，总体编码范围为 8140-FEFE，首字节在 81-FE 之间，尾字节在 40-FE 之间，剔除 xx7F 一条线。总计 23940 个码位，共收入 21886 个汉字和图形符号，其中汉字（包括部首和构件）21003 个，图形符号 883 个。
全部编码分为三大部分：
1. 汉字区。包括：
a. GB 2312 汉字区。即 GBK/2: B0A1-F7FE。收录 GB 2312 汉字 6763 个，按原顺序排列。
b. GB 13000.1 扩充汉字区。包括：
(1) GBK/3: 8140-A0FE。收录 GB 13000.1 中的 CJK 汉字 6080 个。
(2) GBK/4: AA40-FEA0。收录 CJK 汉字和增补的汉字 8160 个。CJK 汉字在前，按 UCS 代码大小排列；增补的汉字（包括部首和构件）在后，按《康熙字典》的页码/字位排列。
2. 图形符号区。包括：
a. GB 2312 非汉字符号区。即 GBK/1: A1A1-A9FE。其中除 GB 2312 的符号外，还有 10 个小写罗马数字和 GB 12345 增补的符号。计符号 717 个。
b. GB 13000.1 扩充非汉字区。即 GBK/5: A840-A9A0。BIG-5 非汉字符号、结构符和“○”排列在此区。计符号 166 个。
3. 用户自定义区：分为(1)(2)(3)三个小区。
(1) AAA1-AFFE，码位 564 个。
(2) F8A1-FEFE，码位 658 个。
(3) A140-A7A0，码位 672 个。
第(3)区尽管对用户开放，但限制使用，因为不排除未来在此区域增补新字符的可能性。
####################################
编码与字符集
二进制，8进制，16进制，64进制
ascii码
BCD码
计算机使用二进制数进行运算，但通常采用8进制和十六进制的形式读写，由于日常生活中，人们最熟悉的数制是十进制，因此专门规定了一种二进制的十进制码，称为BCD码，它是一种以二进制表示的十进制数码。
BCD码与十进制数的转换关系很直观，相互转换也很简单，将十进制数
75.4转换为BCD码:
7->0111，5->0101，4->0100所以拼成8421BCD码的结果是：(0111 0101.0100)BCD；若将BCD码1000 0101.0101转换为十进制数：1000->8，0101->5，0101->5所以结果是：(85.5)D。
例如：00011000，当把它视为二进制数时，其值为24；但作为2位BCD码时， 其值为18。
又例如00011100，如将其视为二进制数，其值为28，但不能当成BCD码，因为在8421BCD码中，它是个非法编码 。因为没有1100这个码，因为有16种组合，只选取了前10种
计算机中的BCD码，经常使用的有两种格式，即分离BCD码，组合BCD码。
所谓分离BCD码，即用一个字节的低四位编码表示十进制数的一位，例如数82的存放格式为：
_ _ _1 0 0 0 _ _ _ _0 0 1 0 其中_表示无关值。
组合BCD码，是将两位十进制数，存放在一个字节中，例82的存放格式是1000 0010
由于编码是将每个十进制数用一组4位二进制数来表示，因此，若将这种BCD码直接交计算机去运算，由于计算机总是把数当作二进制数来运算，所以结果可能会出错。例：用BCD码求38+49。
用四位二进制代码来表示一位十进制数，称为二--十进制编码，简称BCD（Binary Coded Decimal）码。根据代码的每一位是否有权值BCD码可分为有权码和无权码两类，应用最多的是8421BCD码，无权码用得较多的是余三码和格雷码，我们通常所说的BCD码指的是8421BCD码。这些编码跟十进制数对应的关系如下：
十进制数 8421BCD码 余3码 格雷码
0 0000 0011 0000
1 0001 0100 0001
2 0010 0101 0011
3 0011 0110 0010
4 0100 0111 0110
5 0101 1000 0111
6 0110 1001 0101
7 0111 1010 0100
8 1000 1011 1100
9 1001 1100 1101
余三码是在8421BCD码的基础上，把每个数的代码加上0011（对应十进制数3）后得到的。格雷码的编码规则是相邻的两代码之间只有一位二进制位不同。不管是8421BCD码还是余三码还是格雷码，总是4个二进制位对应一个十进制数，如十进制数18对应的8421BCD码就是0001 1000。
BCD码可分为有权码和无权码两类：有权BCD码有8421码、2421码、5421码，其中8421码是最常用的；无权BCD码有余3码、格雷码（注意：格雷码并不是BCD码）等。
base64编码
转换前 10101101,10111010,01110110
转换后 00101011, 00011011 ,00101001 ,00110110
十进制 43 27 41 54
对应码表中的值 r b p 2
所以上面的24位编码，编码后的Base64值为 rbp2
解码同理，把 rbq2 的二进制位连接上再重组得到三个8位值，得出原码。
（解码只是编码的逆过程，有关MIME的RFC还有很多，如果需要详细情况请自行查找。）
Base64是网络上最常见的用于传输8Bit字节代码的编码方式之一，大家可以查看RFC2045～RFC2049，上面有MIME的详细规范。 Base64编码可用于在HTTP环境下传递较长的标识信息。例如，在Java Persistence系统Hibernate中，就采用了Base64来将一个较长的唯一标识符（一般为128-bit的UUID）编码为一个字符串，用作HTTP表单和HTTP GET URL中的参数。在其他应用程序中，也常常需要把二进制数据编码为适合放在URL（包括隐藏表单域）中的形式。此时，采用Base64编码具有不可读性，即所编码的数据不会被人用肉眼所直接看到。
一、在地址的前后分别添加AA和ZZ先以“迅雷下载”为例： 很多下载类网站都提供“迅雷下载”的链接，其地址通常是加密的迅雷专用下载地址。
其实迅雷的“专用地址”也是用Base64加密的，其加密过程如下：
二、对新的字符串进行Base64编码
另：Flashget的与迅雷类似，只不过在第一步时加的“料”不同罢了，Flashget在地址前后加的“料”是[FLASHGET]
而QQ旋风的干脆不加料，直接就对地址进行Base64编码了
Mozilla Thunderbird和Evolution用Base64来保密电子邮件密码
Base64 也会经常用作一个简单的“加密”来保护某些数据，而真正的加密通常都比较繁琐。
垃圾讯息传播者用Base64来避过反垃圾邮件工具，因为那些工具通常都不会翻译Base64的讯息。
在LDIF档案，Base64用作编码字串。
Base64要求把每三个8Bit的字节转换为四个6Bit的字节（3*8 = 4*6 = 24），然后把6Bit再添两位高位0，组成四个8Bit的字节，也就是说，转换后的字符串理论上将要比原来的长1/3。
关于这个编码的规则：
把3个字符变成4个字符。
每76个字符加一个换行符。
最后的结束符也要处理。
|
索引
|
对应字符
|
索引
|
对应字符
|
索引
|
对应字符
|
索引
|
对应字符
|
|
0
|
A
|
17
|
R
|
34
|
i
|
51
|
z
|
|
1
|
B
|
18
|
S
|
35
|
j
|
52
|
0
|
|
2
|
C
|
19
|
T
|
36
|
k
|
53
|
1
|
|
3
|
D
|
20
|
U
|
37
|
l
|
54
|
2
|
|
4
|
E
|
21
|
V
|
38
|
m
|
55
|
3
|
|
5
|
F
|
22
|
W
|
39
|
n
|
56
|
4
|
|
6
|
G
|
23
|
X
|
40
|
o
|
57
|
5
|
|
7
|
H
|
24
|
Y
|
41
|
p
|
58
|
6
|
|
8
|
I
|
25
|
Z
|
42
|
q
|
59
|
7
|
|
9
|
J
|
26
|
a
|
43
|
r
|
60
|
8
|
|
10
|
K
|
27
|
b
|
44
|
s
|
61
|
9
|
|
11
|
L
|
28
|
c
|
45
|
t
|
62
|
+
|
|
12
|
M
|
29
|
d
|
46
|
u
|
63
|
/
|
|
13
|
N
|
30
|
e
|
47
|
v
|
||
|
14
|
O
|
31
|
f
|
48
|
w
|
||
|
15
|
P
|
32
|
g
|
49
|
x
|
||
|
16
|
Q
|
33
|
h
|
50
|
y
|
Unicode
Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨 平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。
最新版本的 Unicode 是 2006年7月14日推出的Unicode 5.0.0。
Unicode
的编码方式与 ISO 10646 的通用字符集（Universal Character Set，UCS）概念相对应，目前实际应用的
Unicode 版本对应于 UCS-2，使用16位的编码空间。也就是每个字符占用2个字节。这样理论上一共最多可以表示 216 即 65536
个字符。基本满足各种语言的使用。实际上目前版本的 Unicode 尚未填充满这16位编码，保留了大量空间作为特殊使用或将来扩展。
2017年unicode version 10.0.0已发布
http://blog.csdn.net/hherima/article/details/9045861 很重要！！！！
http://www.unicode.org/charts/
http://www.unicode.org/charts/About.html
