部分來自《深入理解c++11》。
在計算機中，總是使用二進位制位組合來表示複雜的資訊。首當其衝需要被標識的就是字元。為了使二進位制組合標識字元的方法在不同設計的計算機間通用，就迫切需要統一的字元編碼方法。於是在20世紀60年代的時候，ascii字元編碼就出現了。在ansi頒布的標準中，基本ascii的字元使用了7個二進位制位進行標識，這意味著可以標識128種不同的字元。這對英文本元(以及一些控制字元、標點符號等)來說綽綽有餘，不過隨著計算機在全世界的普及，非字元構成的語言(如中文)也需要得到支援, 128個字元對於全世界眾多語言而言就顯得力不從心了。
到了20世紀90年代, iso與unicode兩個組織共同發布了能夠唯一地表示各種語言中的字元的標準。通常情況下, 我們將乙個標準中能夠表示的所有字元的集合稱為字符集。通常,我們稱iso/unicode所定義的字符集為unicode。在unicode中,每個字元佔據乙個碼位(code point)。unicode字符集共定義了1 114 112個這樣的位，使用從0到10ffff的十六進製制數唯一地表示所有的字元。雖然字符集中的碼位唯一，但由於計算機儲存資料通常是以位元組為單位的，而且出於相容之前的ascii、大數小段數段、節省儲存空間等諸多原因，通常情況下，我們需要一種具體的編碼方式來對字元碼位進行標識。比較常見的基於unicode字符集的編碼方式有utf-8、utf-16及utf-32(一般人常常把utf-16和unicode混為一談)。
以utf-8為例，其採用了1-6位元組的變長編碼方式編碼unicode，英文通常使用1位元組表示，且與ascii是相容的，而中文常用3位元組標示。 下圖表示的就是utf-8的編碼方式。utf(unicode transformation format ).
請注意utf-8編碼的規律！ 提取出的x序列為 code-point的二進位制數。
這篇文章很好:
例如:
'黃' 的code-point為40644(也就是字元編號), 使用utf-16的編碼為 0x9ec4, 使用utf-8的編碼為 e9 bb 84(位元組序列), 轉成二進位制如下：
11101001, 10111011, 10000100，根據上表，提取出x的序列為 1001111011 000100, 表示十進位制的值為40644
這個**可以檢視unicode字符集的code-point：
請務必看此文：
這是英文原文：
字符集和Unicode編碼以及字型檔
字符集和字元編碼的關係 字符集是書寫系統字母與符號的集合，為每乙個 字元 分配乙個唯一的 id 學名為碼位 碼點 code point 字符集種類較多，每個字符集包含的字元個數不同，常見的字符集名稱 ascii字符集 gb2312字符集 gb18030字符集 unicode字符集等。字元編碼則是將字...
Unicode字符集和多字符集
由於各國語言的加入，ascii已經不能滿足資訊交流的需要，因此，為了能夠表示其它國家的文字，各國在ascii的基礎上制定了自己的字符集，它們正式的名稱應該是mbcs multi byte chactacter system，即多位元組字元系統 型別說明 unicode ansi 通用型別 字元wch...
字符集和字符集編碼詳解
gb2312 gbk ascii asni unicode utf 8等等，這些字眼非常常見，同時帶來許多的問題。本文只是從理解的角度，說明以上內容的不同含義從而達到區分其用法的目的是夠了的。至於實現方式，可以查閱各自的詳細標準官方文件。先解釋乙個概念，什麼是字符集，嗯，不解釋了，我弄乙個吧 從今以...