1.1 ascii
ascii（american standard code for information interchange:美國資訊交換標準**）是基於拉丁字母的一套電腦編碼系統，主要用於顯示現代英語和其他西歐語言。它是現今最通用的資訊交換標準，並等同於國際標準iso/iec 646。
ascii碼表分為兩部分：控制字元和可顯示字元。這個不用多解釋，相信學過c語言或者計算機電子資訊相關專業的都涉及，更多請參考ascii碼對照表。
1.2 漢字機內碼
漢字機內碼，又稱「漢字ascii碼」，簡稱「內碼」，指計算機內部儲存，處理加工和傳輸漢字時所用的由0和1符號組成的**。輸入碼被接受後就由漢字作業系統的「輸入碼轉換模組」轉換為機內碼，與所採用的鍵盤輸入法無關。機內碼是漢字最基本的編碼，不管是什麼漢字系統和漢字輸入方法，輸入的漢字外碼到機器內部都要轉換成機內碼，才能被儲存和進行各種處理。
關於國標碼、區位碼和機內碼之間的換算，參考
csdn ~
~ c語言獲取漢字機內碼、區位碼、國際碼：
#include
void
main
(void
)
unicode（統一碼、萬國碼、單一碼）是電腦科學領域裡的一項業界標準，包括字符集、編碼方案等。unicode 是為了解決傳統的字元編碼方案的侷限而產生的，它為每種語言中的每個字元設定了統一並且唯一的二進位制編碼，以滿足跨語言、跨平台進行文字轉換、處理的要求。2023年開始研發，2023年正式公布。
unicode只有乙個字符集，中、日、韓的三種文字占用了unicode中0x3000到0x9fff的部分 unicode目前普遍採用的是ucs-2,它用兩個位元組來編碼乙個字元， 比如漢字"經"的編碼是0x7ecf,注意字元碼一般用十六進製制來 表示，為了與十進位制區分，十六進製制以0x開頭，0x7ecf轉換成十進位制 就是32463,ucs-2用兩個位元組來編碼字元，兩個位元組就是16位二進位制， 2的16次方等於65536,所以ucs-2最多能編碼65536個字元。 編碼從0到127的字元與ascii編碼的字元一樣，比如字母"a"的unicode 編碼是0x0061,十進位制是97,而"a"的ascii編碼是0x61,十進位制也是97, 對於漢字的編碼，事實上unicode對漢字支援不怎麼好，這也是沒辦法的， 簡體和繁體總共有六七萬個漢字，而ucs-2最多能表示65536個，才六萬 多個，所以unicode只能排除一些幾乎不用的漢字，好在常用的簡體漢字 也不過七千多個，為了能表示所有漢字，unicode也有ucs-4規範，就是用 4個位元組來編碼字元。
更多請參考 ~ unicode字元表
1.4 utf-8
網際網路的普及，強烈要求出現一種統一的編碼方式。utf-8 就是在網際網路上使用最廣的一種 unicode 的實現方式。其他實現方式還包括 utf-16（字元用兩個位元組或四個位元組表示）和 utf-32（字元用四個位元組表示），不過在網際網路上基本不用。重複一遍，這裡的關係是，utf-8 是 unicode 的實現方式之一。
utf-8 最大的乙個特點，就是它是一種變長的編碼方式。它可以使用1~4個位元組表示乙個符號，根據不同的符號而變化位元組長度。
utf-8 的編碼規則很簡單，只有二條：
對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的 unicode 碼。因此對於英語字母，utf-8 編碼和 ascii 碼是相同的。
對於n位元組的符號（n > 1），第乙個位元組的前n位都設為1，第n + 1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位，全部為這個符號的 unicode 碼。
下表總結了編碼規則，字母x表示可用編碼的位。
unicode符號範圍(十六進製制)
utf-8編碼方式（二進位制）
0000 0000-0000 007f
0******x
0000 0080-0000 07ff
110***xx 10******
0000 0800-0000 ffff
1110***x 10****** 10******
0001 0000-0010 ffff
11110*** 10****** 10****** 10******
跟據上表，解讀 utf-8 編碼非常簡單。如果乙個位元組的第一位是0，則這個位元組單獨就是乙個字元；如果第一位是1，則連續有多少個1，就表示當前字元占用多少個位元組。
下面，還是以漢字嚴為例，演示如何實現 utf-8 編碼：
嚴的 unicode 是4e25（100111000100101），根據上表，可以發現4e25處在第三行的範圍內（0000 0800 - 0000 ffff），因此嚴的 utf-8 編碼需要三個位元組，即格式是1110***x 10****** 10******。然後，從嚴的最後乙個二進位制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，嚴的 utf-8 編碼是11100100 10111000 10100101，轉換成十六進製制就是e4b8a5。
1.5 gbk、gb2312
gbk漢字國標擴充套件碼，基本上採用了原來gb2312-80所有的漢字及碼位，並涵蓋了原unicode中所有的漢字20902。gbk編碼是中國大陸制訂的、等同於ucs的新的中文編碼擴充套件國家標準。
gb 2312或gb 2312-80是乙個簡體中文字符集的中國國家標準，gb 2312標準共收錄6763個漢字。
1.6 gbk/gb2312、utf-8、unicode區別和聯絡
字元編碼筆記：ascii，unicode 和 utf-8
ascii，unicode和utf-8終於找到乙個能完全搞清楚的文章了
utf-8 gbk utf8 gb2312之間的區別和關係
編碼之------unicode到底是什麼？神馬utf-8和gbk到底是什麼？utf-8和unicode關係？
字元編碼gb2312、gbk、utf-8的區別
區分: 編碼方式 字符集 unicode utf-8
在計算機記憶體中，統一使用unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為utf-8編碼；
用記事本編輯的時候，從檔案讀取的utf-8字元被轉換為unicode字元到記憶體裡，編輯完成後，儲存的時候再把unicode轉換為utf-8儲存到檔案；
瀏覽網頁的時候，伺服器會把動態生成的unicode內容轉換為utf-8再傳輸到瀏覽器。
在作業系統(windows、安卓)中，字元編碼工作方式參照上文【字元編碼工作方式】。但在mcu微機中，處理方式不一樣，在微機中由於資源有限，通常是通過漢字機內碼計算漢字字元對應的位址，然後查詢字型檔ic（帶rom或者flash）顯示。上圖中，漢字在計算機內儲存、處理/傳輸都是機內碼，但為了資訊交換於是便產生了國標（gbk/gb2312）即《資訊交換用漢字編碼字符集》，國標當然只適用於國內，於是國際上便產生了unicode萬國碼，它又僅僅定義了乙個字符集，utf-8則就是按照unicode字元實現的一種編碼。
剛開始就很想弄懂unicode、gbk/gb2312、utf-8和機內碼，徹底分清它們，但是查詢了之後很多概念容易一頭霧水。透過上圖，大家應該很容易，理清它們間的關係和區別，相信在開發中遇到漢字編碼都會迎刃而解，嘻嘻！
附：utf-8轉unicode ~
漢字字符集編碼查詢 ~
計算機漢字編碼系統
windows 頁 頁說明 別名歐美語言 1252 us ascii 20127 us ascii ascii iso 8859 1 1252 西歐字元 windows x ansi ibm437 437 oem 美國 簡體中文 936 gb2312 936 簡體中文 gb2312 gbk cn g...
漢字編碼問題
漢字編碼問題 由於常常要和漢字處理打交道，因此，我常常受到漢字編碼問題的困擾。在不斷的打擊與堅持中，也積累了一點漢字編碼方面的經驗，想和大家一起分享。一 漢字編碼的種類 漢字編碼中現在主要用到的有三類，包括gbk，gb2312和big5。1 gb2312又稱國標碼，由國家標準總局發布，1981年5月...
漢字編碼問題
漢字編碼問題 由於常常要和漢字處理打交道，因此，我常常受到漢字編碼問題的困擾。在不斷的打擊與堅持中，也積累了一點漢字編碼方面的經驗，想和大家一起分享。一 漢字編碼的種類 漢字編碼中現在主要用到的有三類，包括gbk，gb2312和big5。1 gb2312又稱國標碼，由國家標準總局發布，1981年5月...