编码介绍：

ASCII码：

上世纪60年代，美国制定了一套字符编码，对英文字符与二进制的对应关系，做了统一规定，这被称作ASCII码。

ASCII码规定了128个字符，这128个字符只占用了一个字节的后7位，最前面的一位统一为0。

UNICODE码：

Unicode码只是一个符号集，只规定了符号的二进制码，没有规定这个二进制码在文本中如何存储。双字节编码，对ASCII码采取了高位补零的方式拓展。

UTF-8：

它是一种变长的编码格式，可以使用1-4个字节表示一个符号。分为带BOM和不带BOM，带BOM的UTF-8文件是，开头三字节，EE BB EF。不带BOM的UTF-8文件，直接是内容，和ANSI的一样。

编码规则如下：

对于单字节符号，字节第一位设为0，后7位为这个符号的Unicode码，因此UTF-8编码和ASCII码是相同的。

对于n（n >1）字节符号，第一个字节前n位都设为1，

第n+1位设为0，后面字节的前两位统一设为10，剩下没有提及的二进制位，全部从后向前填充为这个符号的Unicode码。

Unicode编码(16进制)

UTF-8字节流(二进制)

000000 - 00007F

0xxxxxxx

000080 - 0007FF

110xxxxx 10xxxxxx

000800 - 00FFFF

1110xxxx 10xxxxxx 10xxxxxx

010000 - 10FFFF

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

 

GB2312：

双字节高低位字节的方式存储中文。高位字节如果大于127则认为是中文字符，双字节读取；若小于127则认为是英文字符，单字节读取。不确定英文字符和ASCII码是否相同。

 

大端字节序（Big endian）和小端字节序（Little endian）：

大端字节序：高字节存在低地址处，低字节存在高地址处。内存的地址是由低到高，而数据的字节却是由高到低。

小端字节序：高字节存在高地址处，低字节存在低地址处。内存的地址是由低到高，而数据的字节也是由低到高。

网络字节序是大端字节序。因为接收端要求把第一个接收到的字节当做高位字节看待，这就要求发送端发送的第一个字节是高位字节。

常见CPU字节序：

X86是小端。IBM、Sun是大端。

 

编码转换：

GBK、GB2312等与UTF8之间都必须通过Unicode编码才能相互转换：
GBK、GB2312->Unicode->UTF8
UTF8->Unicode->GBK、GB2312

 

项目中：

VS工程属性如果设置了字符集为Unicode，断点能看到wchar_t保存的中文字符不是乱码；如果设置了字符集为多字节，wchar_t中的中文是乱码。