计算机常见编码

在做.net 项目中，有的时候，在打开别人的项目的的时候，经常出现中文乱码，尤其又是在繁体的环境下》也是找了一点编码的资料，总结。

1.ASCII 字符集

第 0-31 号及 127 号是控制字符或通讯专用字符；
第 32-126 号是字符，其中 48-57 号为 0-9 十个阿拉伯数字，65-90 号为 26 个
大写英文字母，97-122 号为 26 个英文小写字母，其余为一些标点符号，运
算符号等。
在计算机存储单元中，一个 ASCII 码值占一个字节（8 个二进制位），最高位
是用作奇偶检验位。

2. GB2312 字符集：

GB2312 收录了简化汉字及一般字符，序号，数字，拉丁字母，日文假名，
希腊字母，俄文字母，汉语拼音符号，汉语注音字母，共 7445 个图形字符。
其中包括 6763 个汉字，一级汉字 3755 个，二级汉字 3008 个。

GB2312 对所收汉字进行了“分区”处理，每区含有 94 个汉字或者符号，这
种表示方法也叫做“区位码”。
它是用双字节表示的，前面的字节为第一字节，又称“高字节”，后面的为
第二字节，“低字节”。
高位字节，把 01-87 区的区号加上 0xA0（相当于数字 160）；低位字节把 01-94
区的区号加上 0xA0（相当于数字 160）。 举个简单的小例子：第一个汉字—
—“啊”，它的区号为 16，位号 01，则区位码是 1601。则高字节位：
16+0xA0=0xB0；低字节位：01+0xA0=0xA1，所以“啊”的汉字处理编码为
0xB0A1。

3. GBK 字符集：

GBK 是 GB2312 字符集的扩展（K）(中国的中文编码表升级，融合了更多的
中文文字符号。)，它收录了 21886 个符号，它分为汉字区和图形符号区，
汉字区包括 21003 个字符。GBK 字符集主要扩展了繁体中文字的支持。

4. BIG5 字符集：

BIG5 字符集共收录了 13053 个中文字，该字符集在台湾使用。但是没有考虑
到社会上流通的人名，地方用字，方言用字，化学及生物科等用字，没有包
含日文平假名及片假字母。

BIG5 也采用双字节存储方法，一两个字节编码一个字。高位字节的编码范围
是 0xA1-0xF9,低位字节的编码范围是 0xA1-0xFE。

6.Unicode 字符集

Unicode 允许在
同一服务器上混合使用不同语言，它为每种语言的每个字符设定了统一并且
唯一的二进制编码，以满足跨平台，跨语言进行文本转换，处理的要求。、

Unicode 标准始终使用十六进制数字，固定使用 2 个字节来表示一个字符，
共可以表示 65536 个字符。而且书写时在前面加上前缀“U+”，例如 A 的编
码是 004116，则书写成“U+0041”。
 Unicode 字符集包含的编码方案：

UTF-8： （最多用三个字节来表示一个字符。）
UTF8 是 unicode 其中的一个使用方式。UTF 的意思是：
unicode translation format，即把 unicode 转作某种格式的意思。 UTF-8
使用可变长度字节来存储 unicode 字符，如 ASCII 字母还是采用一个
字符来存储，希腊字母等采用 2 个字符来存储，而常用的汉字要使
用 3 字节，辅助平面字符则使用 4 字节。
 UTF-16：
使用一个或两个未分配的 16 位代码单元的序列对 unicode 代码
点进行编码，即 2 个字节表示一个字符。
 UTF-32：
将每一个 unicode 代码点表示为相同值的 32 位整数。

UTF-16 与 UTF-8：如“连通”两个字，在 UTF-16 中为：DE 8F 1A 90，
两个字节决定一个汉字；在 UTF-8 中则为：E8 BF 9E E9 80 9A，即 3
个字节决定一个字符。
当一个软件打开一个文本时，首先是要决定这个文本究竟是使用
哪种字符集的哪种编码保存的，软件一般采用三种方式来决定文本
的字符集和编码：检测文件头标识，提示用户选择，根据一定的规
则猜测。不同编码方式的开头字节如下：
EF BB BF
UTF-8
FF FE
UTF-16，little endian
FE FF
UTF-16，big endian
FF FE 00 00
UTF-32， little endian
00 00 FE FF
UTF-32，big endian
注：endian 是指字节序，big endian（大尾）和 little endian（小
尾）是 CPU 处理多字节数的不同方式。例如“汉”的 unicode 编码
是 6C49，写到文件中，如果将 6C 写在前面就是 big endian，将 49
写在前面就是 little endian。