作為程式設計師，在日常的工作中總會遇到編碼的知識。尤其是在前後臺互動的過程中，字元編碼如影隨行。如果多個平台的字元編碼不一致，需要相互轉化的話，很有必要了解一下編碼的工作原理。
網上有太多關於編碼的知識了，在此我盡量按照我對編碼的理解描述的簡單易懂。
1，ascii碼
在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位是乙個bit，有0和1兩種狀態。8個bit構成乙個位元組，也就是byte。這就是bit和byte的區別。
0和1各代表乙個狀態，乙個byte有8個bit，總共可以表示2的8次方＝256個狀態。若是每個狀態對應乙個符號，乙個byte可以表示256個符號，也就是從0000000到11111111。
在上個世紀60年代，美國制定了一套字元編碼，對英語字元與二進位制位之間的關係，做了統一規定。這就是大名鼎鼎的ascii碼了，一直沿用至今。此後雖然出現了各種各樣的編碼，但基本上都是相容ascii碼的。
但ascii碼一共只規定了128個字元的編碼，比如空格"space"是32（二進位制00100000），大寫的字母a是65（二進位制01000001）。這128個符號（包括32個不能列印出來的控制符號），只占用了乙個位元組的後面7位，最前面的1位統一規定為0。
2，gb2312
英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。我們就以中文做例子，中國的漢字有10萬左右，即使是常用字也有六七千，必須得用多個位元組來表示。
最先誕生的是gb2312編碼。其編碼結構不用特別了解清楚，感興趣的可以去網上搜尋專門的文件。我們只需要明白以下幾點：
1）該編碼可以表示大概7000左右個字元。其中有中文及一些常見的拉丁字母等。基本可以覆蓋我們日常打字使用。
2）該編碼完全相容ascii碼，計算機去讀的時候首先判斷最高位，如果是0，那麼這個字元只占用乙個位元組，表示的內容跟ascii碼表示的一樣。如果該字元最高位是1，那麼該位元組連同下乙個位元組表示乙個中文漢字。所以平常咱們常說的英文乙個位元組，中文兩個位元組其實是從這裡來的。
3，gbk
兩個位元組最多可以表示的字元數是 2的16次方＝65536，如果要求首位必須是1，那麼最多可以表示 32768 個字元，但是gb2312 只用了其中的7000左右的字元。這顯然是沒有做到物盡其用，而且如果有些特殊的中文，gb2312根本表示不了。所以gbk就應運而生了。
gbk 就盡量將能用到的狀態都表示成中文字元了，當然最終還是有些狀態沒辦法用（具體可以自行查詢文件），最終可以表示23940個字元，其中有21003是漢字。
gbk是完全相容gb2312的，所以gbk的應用是很廣泛的，而且從windows95開始，windows的中文版預設中文支援就是gbk編碼。
4，unicode
gbk基本解決了中文編碼問題，但另外乙個大問題隨之而來，那就是國際化。咱們按照此方式來表示簡體中文，正體中文怎麼表示？日本和南韓他們的文字也沒法弄。當然他們也利用最高位來做文章，發明了big5等相容ascii碼的編碼格式，但是這幾種編碼之間是並不相容的。一段gbk編碼的檔案在台灣友人的電腦裡開啟就是亂碼了。
這時候，unicode就誕生了。
完全弄明白unicode的細節是非常困難的，我們也是明白以下幾點就夠了：
1）unicode編碼是給世界上所有的符號都分配了乙個碼。gbk最多也只能表示3萬多的漢字，康熙字典裡面的大部分漢字都沒法用gbk表示，但是unicode就能，它可以表示這個星球上所有的符號。
2）unicode有ucs-2和ucs-4兩種編碼，2和4都是代表位元組的意思，也就是說前者用兩個位元組表示，後者用4個位元組表示。所以，ucs-2的表示範圍是65536個字元，而ucs-4則可以表示超過22億個字元，我想這真的是可以表示所有的字元了。其實日常使用我們用的只是ucs-2，一般說的unicode編碼也是只它。它包含了所有的簡體中文，現用的正體中文，火星文，以及其他國家的現用文字。古籍中的文字就得去ucs-4中去找了。
5，utf-8
很遺憾，unicode並不是完美的。不完美的地方主要有兩點：
1）不相容ascii碼。因為unicode是用兩個位元組表示，ascii碼範圍內的字元都被擴充成了兩個位元組，前面又補了8個0。所以，如果你的電腦只支援unicode編碼的話，所有的英文資料全都沒法閱讀了。
2）占用的儲存變大，如果涉及到傳輸，所耗費的流量也會變大。中文的表現一般，英文表現最明顯。純英文文字所消耗的儲存比以前增大了一倍。
這個時候就出現了諸如utf-8等實現方式。這裡我們只討論utf-8，因為它是使用最廣泛的。它彌補了unicode的缺陷，所以一誕生就風靡全球了。utf-8主要有以下幾個優點。
1）utf-8與unicode是一一對應的。所以utf-8是國際化的編碼方式。
2）utf-8是針對unicode的可變長度字元編碼，最短乙個位元組，最長3個位元組，1個位元組表示的就是ascii碼，所以utf-8是完全相容ascii碼的。
3）正是因為utf-8的變長實現，解決了unicode的儲存多的問題。可能有朋友要問了，utf-8最多需要用3個位元組表示，而unicode只需要兩個，怎麼能說uft-8會省儲存呢？因為目前英文是最通用的語言，大部分字元都是ascii碼。
但utf-8並不是一點缺點也沒有，因為變長表示，所以一段utf-8編碼沒法一下子算出有多少個字元。而這一點能力對於以上幾種編碼格式來說是輕而易舉的。所以當今世界上沒有最完美的字元編碼，只有最合適某個場景的編碼。
Java 中文字元編碼
public class test for int i 0 i string類的不帶引數的getbytes 方法會以程式所執行平台的預設編碼方式為準來進行轉換，在不同環境下可能會有不同的結果，因此建議使用指定編碼方式的getbytes string charsetname 方法。public sta...
PHP Unicode編碼相互轉換
str 原始中文字串 encoding 原始字串的編碼，預設utf 8 prefix 編碼後的字首，預設 postfix 編碼後的字尾，預設 function unicode encode str,encoding utf 8 prefix postfix else foreach arr cont...
c 中文與GBK編碼值相互轉換
最近專案中用到要把中文和gbk編碼值相互轉換，功能是把16進製制的gbk編碼值轉換成字串輸出，把字串轉換成十六進製制輸出。比較簡單，在這裡做個記錄，方便以後檢視。開發環境vs2015，c 檢視字元編碼 簡體中文 gbk內碼查詢 include include include using namesp...