ASCII
计算机中任何信息都是二进制存储的，存储的最小单位是位，8位为一个字节。一位有0和1两种状态表示，因此有2的8次方（256）种组合方式，每种代表一个字符。ASCII码对英语字符与二进制位之间的关系，做了统一规定。它规定有128个字符，占0-127位，包括最基本的英文字母、标点符号。ASCII又被称为7位码，因为它实际运用到的只有7位来编码，而第一位总是为0。例如，空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。
ANSI
因为ASCII码最多只能表示256种字符，很多国家就开发了自己文字编码。简体中文GB2312，繁体中文的BIG5，日文的JIS，这些编码统称为ANSI。拿GB2312来说，它用一个字节来表示英文的字母和标点，编码规则和ASCII一样，做到了向下兼容ASCII，而汉字字符就用两个字节。但是GB2312编码的汉字只有几千个，不包含一些生僻的字，导致有一些人名无法显示。后来升级到GBK，GBK包括了GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。现在最新的是GB18030，加入了一些国内少数民族的文字，一些生僻字被编到4个字节，每扩展一次都完全保留之前版本的编码，所以每个新版本都向下兼容。
Unicode
虽然ANSI解决了自己的编码问题，但是不同国家之间谁也不懂谁的编码，Unicode就是为了解决这种乱码问题。Unicode由ISO国际组织设计，可以容纳全世界所有语言文字的编码方案。其中每个字符都有唯一与之对应的编码，比如说简体汉字丑的Unicode是4E01（二个字节），繁体汉字的醜的Unicode是919C（二个字节）。而对于一些比较靠后的字符，其编码可达到四个字节。Unicode解决了传统的字符编码方案的局限，但是它本身也存在一些问题：
-
在ASCII中，英文字母只用一个字节表示就够了。如果Unicode统一规定，每个字符用二个字节表示，这对于存储空间来说是极大的浪费。
-
如何才能区别Unicode和ASCII？计算机怎么知道二个字节表示一个字符，而不是分别表示两个字符。
Unicode在很长一段时间内无法推广，直到互联网的出现。为解决Unicode如何在网络上传输的问题，面向传输的众多 UTF（UCS Transfer Format）标准出现了。其主要的有UTF-8与UTF-16，此外还有比较少见的UTF-32与UTF-7。这里的概念要搞清，Uniocde只是一套字符集，收录字符与编码的对应规则，但是它没有规定这些编码如何传输，存储。而UTF是Uniocde的具体实现方式。
UTF-16
UTF-16以每2个字节为一个单元，每个字符由1-2个单元组成，所以每个字符可能是2个字节或者4个字节，包括最常见的英文字母都会编成两个字节。大部分汉字也是2个字节，少部分生僻字为4个字节。在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字节序。例如“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”还是“乙”？
Unicode规范中推荐的标记字节顺序的方法是”Byte Order Mark”，简称BOM。在Unicode编码中有一个叫做”ZERO WIDTH NO-BREAK SPACE”的字符，它的编码是FEFF。而FFFE在Unicode中是不存在的字符，所以不应该出现在实际传输中。Unicode规范建议我们在传输字节流前，先传输字符”ZERO WIDTH NO-BREAK SPACE”。这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的，即为UTF-16BE；如果收到FFFE，就表明这个字节流是Little-Endian的，即即为UTF-16LE。
有时，我们会见到USC-2与USC-4，这两货又是什么呢？早期Unicode收编的字还不多时，两个字节足够表示所有字符，所以有一种固定为两个字节的UTF，叫UCS-2。UTF-16的两个字节部分和UCS-2完全一样，所以UTF-16向下兼容UCS-2。UCS-2同样分LE和BE。同样的少见的UFT-32，其实也就是USC-4。
UTF-16也有一个很大的问题，由于UTF-16只能由2个字节或者4个字节组成，它不兼容ASCII码。而UTF-8的出现，就能很好的解决这两个问题。
UTF-8
UTF-8完全兼容ASCII码，它可以使用1~4个字节表示一个字符，根据不同的字符而变化字节长度。 UTF-16的编码与Unicode一样，但是从Unicode到UTF-8却不是直接的对应，而是要通过一些算法和规则来转换。UTF-8的编码规则很简单，只有二条：
-
对于单字节的字符，字节的第一位为0，后面7位为这个符号的Unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
-
对于n字节的字符（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的Unicode码。
例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001，用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。相应的，UTF-8也有BOM，”ZERO WIDTH NO-BREAK SPACE”字符在UTF-8中的编码为EF BB BF 。所以一般检测到BOM为EF BB BF，就知道此文件编码格式是UTF-8了。
笔记本记录联通再次打开错码
在记事本保存操作中，windows默认保存的编码是ANSI（在中国是GBK）。
“联”ANSI编码是 0xC1AA ， 二进制排列是 11000001 10101010；
“通”ANSI编码是 0xCDA8 ， 二进制排列是 11001101 10101000；
这两个字的二进制是不是看起来好眼熟，没错就是和上面的UTF-8编码规则相似。
UTF8
“联通”这两个字的ANSI编码符合UTF8编码的第二个模板。“联”的两个字节、“通”的两个个字节的起始部分的都是”110”和”10”，正好与UTF8规则里的两字节模板是一致的，于是再次打开记事本时，记事本就误认为这是一个UTF8编码的文件，猜错了导致乱码。当然不止联通，所有的编码在【 11000000<=第一个字节<=11011111】 【 10000000 <=第二个字节<= 10111111】 的字符都出现乱码，例如“力挺联通”也会出现乱码。
扯了这么多，那么这个问题怎么解决呢。其实很简单，记事本保存时，有一个另存为的菜单，选择编码为UTF-8就可以了。
