参考资料：
http://www.cnblogs.com/zhouyuqin/p/4688459.html
http://pcedu.pconline.com.cn/empolder/gj/other/0505/616631_1.html
常见的编码格式总结：
ASCLL：单字节
ISO-8859-1(latin-1)：单字节，与ASCLL的不同在于使用了最高位参与编码
GB2312：双字节，简体汉字
GBK：双字节，对GB2312的扩展，完全兼容GB2312，不兼容BIG5
GB18030：单字节、双字节或四字节，与GB2312兼容
BIG5：双字节，繁体汉字。BIG5与GB2312没有关系，不兼容
UCS-2：双字节编码，BOM机制标记大端小端（FE FF或FF FE开头）
UCS-4：四字节编码，BOM机制标记大端小端（FE FF或FF FE开头）
UTF-16：双字节（基本平面）或四字节（辅助平面）编码
UTF-8：1-4字节变长编码，汉字3字节，BOM机制标记编码方式(EF BB BF开头)而不是标记大端小端。
1、ASCII码
单字节编码，总共128个，用1个字符的低7位表示，0~31是控制字符，如换行、回车、删除等。32~126是打印字符，可以通过键盘输入并且表示出来
2、ISO-8859-1（即Latin1）
ISO组织在ASCII的基础上又制定了一系列标准来扩展ASCII编码，他们是ISO-8859-1和ISO-8859-15。其中前者涵盖了大多数西欧语言字符，所以运用得比较广泛。
ISO-8859-1仍然是单字节编码，它向下兼容ASCLL（ASCII编码是一个7位的容器，ISO-8859-1编码是一个8位的容器），总共能表示256个字符，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。.
因为ISO-8859-1是单字节的，所以很多中文字符（两个字节）在编码时用ISO-8859-1表示时，因超出表示范围，所以出现？？很多情况是将中文字符用ISO-8859-1表示。我们称之为“黑洞”（它会将不认识的字符吸收掉）。
由于现在大部分基础的Java框架或系统默认的字符集编码都是ISO-8859-1，所以很容易出现乱码问题。
3、GB2312
GB2312是双字节编码，总的编码范围是A1-F7，其中A1-A9是符号区，总共有682个符号，B0-F7是汉字区，包含6763个汉字。
4、GBK
GBK是双字节编码，全称是 汉字内码扩展规范，是中国国家技术监督局开发出来扩展GB2312，并加入了更多的汉字，它的编码范围是8140~FEFE，能表示21003个汉字。它与GB2312是兼容的。
5、GB18030
Gb18030全称是 信息技术中文编码字符集，是我国的强制标准，它可能是单字节的、双字节或者是四字节编码。它的编码与GB2312编码兼容。
6、BIG5
BIG5是双字节编码，是繁体中文字符集编码标准，使用两个字节来表示一个字符。高位字节使用了0x81-0xFE，低位字节使用了0x40-0x7E，及0xA1-0xFE。该编码共收录13060个中文字，其中有二字为重复编码，即“兀、兀”（A461及C94A)和“嗀、嗀”(DCD1及DDFC)。点击这里，查看BIG5编码。
注意，BIG5编码 与 GBK编码、GB2312等没有什么关系，与它们不兼容。
Unicode是一种字符集，学名是"Universal Multiple-Octet Coded Character Set"，简称为UCS。UCS可以看作是"Unicode Character Set"的缩写。
Unicode的目标是将世界上所有的字符都纳入其中，每个字符对应一个独一无二的数字。具体的符号对应表，可以查询
unicode.org，或者专门的
汉字对应表。
中文的范围是4E00-9FA5，大概两万多个。
有两个独立的, 创立单一字符集的尝试. 一个是国际标准化组织(ISO)的 ISO 10646 项目, 另一个是由多语言软件制造商组成的协会组织的 Unicode 项目. 后来它们合并双方的工作成果, 并为创立一个单一编码表而协同工作. 两个项目仍都存在并独立地公布各自的标准, 但 Unicode 协会和 ISO/IEC JTC1/SC2 都同意保持 Unicode 和 ISO 10646 标准的码表兼容, 并紧密地共同调整任何未来的扩展。
Unicode只是一个符号集，只规定的字符所对应的码点，并没有指定如何存储，如何进行存储出现了不同的编码方案，关于Unicode编码方案主要有两条主线：UCS和UTF。UTF主线由Unicode Consortium进行维护管理，UCS主线由ISO/IEC进行维护管理。
7、UCS-2
Unicode字符集的一种编码实现，用2个字节编码。
UCS-2是定长字节的，固定使用2个字节进行编码，从0000（十六进制）- FFFF（十六进制）的码位范围，对应第一个Unicode平面。
采用BOM(Byte Order Mark)机制，该机制作用如下：1. 确定字节流采用的是大端序还是小端序（如果一个文本文件的头两个字节是FE FF，就表示该文件采用大端方式；如果头两个字节是FF FE，就表示该文件采用小端方式。）。2. 确定字节流的Unicode编码方案。
8、UCS-4
Unicode字符集的一种编码实现，用4个字节编码。
UCS-4是定长字节的，固定使用4个字节进行编码。也采用了BOM机制。
9、UTF-16
UTF-16是Unicode字符集的一种编码实现，其基本平面用2个字节编码，辅助平面用4个字节编码。
Java内部以UTF-16作为内存中字符存储格式。
10、UTF-8
UTF-8是Unicode字符集的另一种编码实现，以8位为单位对UCS进行编码。
UTF-8采用变长的方法，克服了UTF-16中定长的浪费资源的缺点。每个编码区域都有自己不用的字码长度，不同类型的字符可以由1~6个字节组成。
UTF-8对单字节范围内的字符仍然用1个字节表示，对汉字采用3个字节表示。
UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为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。
2）对于n字节的符号（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。
下表总结了编码规则，字母x表示可用编码的位。
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
根据上表，解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
已知"严"的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，"严"的UTF-8编码是"11100100 10111000 10100101"，转换成十六进制就是E4B8A5。
UTF-8以字节为编码单元，没有字节序的问题，不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。BOM的UTF-8编码是EF BB BF。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了（这是微软的做法）。微软在 UTF-8 中使用了 BOM ，因为这样可以把 UTF-8 和 ASCII 等编码明确区分开，但这样的文件在 Windows 之外的操作系统里会带来问题。
上述几种编码格式的比较：
GBK能处理所有的汉字字符，所以将GB2312和GBK进行比较时，应该选择GBK。
UTF-8与UTF-16都是处理Unicode编码，尽管他们的编码格式不相同，但相对来说，UTF-16的编码效率较高，从字符到字节的转换更简单，进行字符串操作也更好，适合磁盘和内存之间使用，所以Java的内存编码采用UTF-16来编码。但是在网络传输的时候，应使用UTF-8，因为网络传输比较容易损坏字节流，而UTF-8对ASCII字符采用了单字节编码，另外单个字节损坏不会影响到后面的其他字符，在编码效率中介于GBK和UTF-16之间，所以，UTF-8在编码效率和编码安全性方面都做了平衡，是理想的中文编码方式。
gbk与unicode之间的转换是通过gbkunicode映射表。Utf-8与unicode之间的转换是通过转换规则公式所以说，unicode是核心中介。Gbk要转换成utf-8的话，先转成unicode。然后unicode再转换成utf-8；反之亦然。
11、大端小端
Windows下用记事本打开文本文件并另存为时，有四种编码方式可以选择：ANSI，Unicode，Unicode big endian 和 UTF-8。
- ANSI是默认编码方式，对于英文文件是ASCII编码，对于简体中文文件是GB2312编码（只针对Windows简体中文版，如果是繁体中文版会采用Big5码）
- Unicode编码指的是UCS-2编码方式（微软软件的习惯），即直接用两个字节存入字符的Unicode码。这个选项用的little endian格式。
- Unicode big endian编码与上一个选项相对应。
- UTF-8编码。
另，关于大端小端：
[ 大端小端取决于CPU架构，powerpc，aix、SPARC等是大端；x86架构处理器（Intel、AMD，PC）、arm架构处理器（arm，手机）是小端 ]
采用大小模式对数据进行存放的主要区别在于在存放的字节顺序，若数字的高位在内存中的低地址则是大端（即数字在内存中的二进制形式的第一字节是数字的高位），否则是小端。
采用小端方式进行数据存放利于计算机处理，因此计算机的内部处理较多用小端字节序。比如整数的加法和乘法、数的比较、奇偶性校验等，因为从个位比起即可而此时不用全读进来；另例是C语言的大整型向小整型的强转，直接截断实现下若是用小端存储则指针不用变而大端要变。
采用大端方式进行数据存放符合人类的正常思维，除了计算机的内部处理，其他的场合几乎都是大端字节序，比如网络传输和文件储存。
到目前为止，采用大端或者小端进行数据存放，其孰优孰劣也没有定论。
那么：对于Unicode字符集的编码（UCS-2、UTF-16、UTF-32等），计算机怎么知道某一个文件到底采用哪一种方式编码？
Unicode规范中定义，每一个文件的最前面分别加入一个表示编码顺序的字符，这个字符的名字叫做"零宽度非换行空格"（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。这正好是两个字节，而且FF比FE大1。
如果一个文本文件的头两个字节是FE FF，就表示该文件采用大端方式；如果头两个字节是FF FE，就表示该文件采用小端方式。
另外，UTF-8是不需要BOM的因为其没有字节序的问题，编码自身就包含了字节指示信息，但微软在 UTF-8 中使用了 BOM ，因为这样可以把 UTF-8 和 ASCII 等编码明确区分开，但这样的文件在 Windows 之外的操作系统里会带来问题。
更多见 彻底理解字符编码
