ascii編碼：主要包括26字母，數字符號，和一些常用符號，用乙個位元組足夠（1個位元組可以表示2^8=256種字元）實際上，這些字元只使用了1個位元組的7位。其中0-127最高位是0，另外128個擴充套件的ascii碼，最高位都是1。它是最通用的單位元組編碼系統。
iso8859-1：通常叫做latin-1,其中0-127的字元與ascii碼相同。iso 8859另外定義了14個適用於不同文字的字符集（8859-2到8859-15）。這些字符集共享0-127的asii碼，只是每個字符集都包含了128-255的其他字元。
gb2312和gbk：gb2312簡稱國標碼，採用兩個位元組來表示乙個字元，分別稱為高位和低位，中文字元的每乙個位元組的最高位都用1表示，其編碼範圍是高位0xa1-0xfe，低位也是0xa1-0xfe，漢字從0xb0a1開始，結束於0xf7fe。gbk完全相容gb2312，它不是國家標準而只是規範，gbk包含了20902個漢字，其編碼範圍是0x8140-0xfefe。
unicode(統一的字元編碼標準集):為了統一全世界的字元編碼，使用0~65535的雙位元組無符號數對每乙個字元進行編碼。unicode中0~255的字元與iso8859-1中的一致。unicode編碼對於英文本元採取前面加「0」位元組的策略實現等長相容。
utf-8：為了減少使用unicode編碼造成的儲存過量，使用utf-8，對於常用字元，即0-127的ascii字元，utf-8用乙個位元組表示，如果字元對應的unicode碼是0x0000,或在0x0080與0x007f之間，utf-8用兩個位元組表示,如果字元對應的unicode碼在0x0800與0xffff之間，utf-8用三個位元組表示。
unicode與utf-8轉換規則如下：
（1） 如果unicode編碼的16位二進位制數的前9位是0，則utf-8編碼用1個位元組來表示，這個位元組的首位是「0」，剩下的與原二進位制資料的後7位相同。
（2） 如果unicode編碼的16位二進位制數的頭5位是0，則utf-8編碼用2個位元組表示，首位元組以「110」開頭，後面的5位與原二進位制資料除去前5個零後的最高5位相同；第二個位元組以「10」開頭，後面的6位與原二進位制資料中的低6位相同。
（3） 如果不符合上述兩個規則，則用三個位元組表示。第乙個位元組以「1110」開頭，後四位為原二進位制資料的高四位，第二個位元組以「10」開頭，後6位為原二進位制資料中間的6位，第三個位元組以「10」開頭，後六位為原二進位制資料的低六位。
正則常用字符集簡寫
由於有些字符集很常用，所以正規表示式本身就提供了對這類字符集的簡寫 如上圖所示，s s d d w w這六個字符集在平時是很常用的，左邊兩邊的正則，一般情況下，表示的含義是一樣的，也就是等價的。也許你已經發現了，s和 s只是字母大小寫的區別，代表的字符集就變成相反的了。s和 s是沒有交集的，但它們是...
常用字符集編碼格式詳解
ascii ascii碼是7位編碼，編碼範圍是0x00 0x7f。ascii字符集包括英文本母 阿拉伯數字和標點符號等字元。其中0x00 0x20和0x7f共33個控制字元。只支援ascii碼的系統會忽略每個位元組的最高位，只認為低7位是有效位。hz字元編碼就是早期為了在只支援7位ascii系統中傳...
POSIX常用字元集合
在正則匹配的時候，有的時候需要匹配一些特殊字元，比如說空格，tab，標點符號，控制字元，大小寫字碼，16進製制等.如果純粹是大小寫字元的話,a z 可以匹配大寫字母 a z 可以匹配小寫字母 0 9 這些可以匹配數字 但像tab鍵，空格鍵，空白符，16進製制字母等，就不太好匹配！好在posix有個固...