小提示askⅱ編碼：美國標準資訊互換碼。不要將字元與位元組搞混，字元是文化符號，而位元組是乙個長度單位。
使用不同字符集編碼相同的字元內容，所產生的檔案大小也是不一樣的。
最初的這套編碼只被標識，大寫英文本母，小寫英文本母，數字0到9，所有英文的標點符號，數**算符，以及一些特殊字元。把所有的這些字元加起來，總共也不超過128個字元。128是2的7次方，所以計算機利用7個bit位就能標識所有字元。後來imb在此基礎上又擴充了一些字元，就形成了現在的用8個bit位標識所有字元，也就是能標識2的8次方256個字元。
ask碼是單位元組碼,每個字元用8個bit位乙個位元組就能表示。gb2312：簡體中文編碼表。
由於ask編碼，只能標識256個西方文化符號，當中國人用的時候，已經沒有可用的位元組狀態來表示漢字，況且中文光常用的文字就有6000多個。因此中國在ask碼的基礎之上進行了擴充套件。前127個單字元編碼不變，127以後用兩個位元組16個bit位，來表示乙個字元。乙個漢字用兩個位元組標識，2的16次方是65535，大大提高了漢字字元個數，開始字符集中只有6763個漢字，後來經過擴充套件又新增了2萬個漢字，形成了後來的gbk編碼。
unicode字符集：萬國碼，統一字符集。
由於世界各國都像中國一樣，各自有一套自己標準的字符集，而且相互之間誰也不懂誰的編碼，無法做到跨平台，跨語言的支援，所以iso（國際標準化組織）為了適應全球化的發展，開始著手解決編碼不統一的問題，捨棄了所有地區性編碼方案，重新搞了一套包括世界上所有文化，字母，符號的編碼，統一字符集，簡稱unicode。
unicode字符集的特點：
正是由於unicode字符集較於ask碼字符集，在很多字元標識的時候存在很大的空間浪費，我能用8位表示，你偏偏要用16位表示。很多時候資料需要在網際網路上進行傳輸的，這樣的化就會帶來很大的網路頻寬的浪費,為了減少浪費，提高網路利用率，出現了一些中間格式的字符集，被稱為統一的轉換格式（unicode transformation format），即utf編碼。utf是unicode字符集的編碼方式
utf-16比較好理解就是任何字元都用兩個位元組來儲存。此時常常將unicode和utf-16等同對待。
utf-16編碼效率最高，字元到位元組相互轉換更簡單，進行字串操作也更好，適合本地記憶體和磁碟之間使用，可以進行字元和位元組的快速轉換。但是不適合做網路傳輸使用。
檔案在網路中傳輸是以bit流的形式展開的，如果採用utf-16編碼的資料，接收的時候每16位一切就是乙個字元；utf-8編碼是可變位元組編碼，文字資料讀取是乙個位元組乙個位元組來讀取的，然後根據位元組開頭的bit標識來識別，然後確定幾個位元組是乙個字元單元。
utf-8字符集中，原unicode字元編號從0到127，前128個字元是單位元組編碼，編號在128至2047的是雙位元組編碼（2的11次方），編號在2048之後就是三位元組編碼。
切分字元以後怎樣識別可變，三種情況分別為：
utf-8檔案中，askⅱ碼占用乙個位元組，中文佔三個位元組長度,相比較utf-16，更適合網路傳輸，節省傳輸流量大小。###utf-8檔案的解碼過程
有個乙個utf-8編碼的檔案，檔案內容如下：
「aá一」
分別是英文本母"a", 法語字母"à", 漢字"一"
第1步獲取16進製制編碼：
61 c3 a9 e4 b8 80
第2步轉換為二進位制編碼：
01100001
11000011
10100001
11100100
10111000
10000000
此時能看出該文字共有六個位元組。到底哪個位元組是乙個字元單元呢？
第3步根據utf-8編碼規則將位元組分組：
01100001
11000011
10100001
11100100
10111000
10000000
第4步重新計算，得出對應的unicode字符集的二進位制編碼：
00000000 01100001
00000000 11100001
01001110 00000000
計算規則是，去除二進位制位的標紅標誌位，然後合併到一起，合併成乙個16位二進位制數。如果不足16位，高位用0補齊第5步計算機從unicode字符集中，利用二進位制對應的編號反查出字元為：aá
一
二進位制編號轉成十進位制字元編號為：在utf8中空格是佔三個位元組，十進位制編號為65279在utf16中空格是佔兩個位元組，十進位制編號為65534雖然乙個漢字在utf-8編碼中佔三個位元組編碼，但是計算機unicode字符集中字元編號是乙個雙位元組編碼，這是計算機在反查之前，將utf-8三個位元組，每8位去除了標識位，然後拼接重組形成unicode 16位二進位制字元編號。有了這個雙位元組字元編號就可以去unicode字符集反查相應的字元了。字元編號由utf-8編碼，轉成了unicode編碼。97225
19968
在html中檔案利用html實體可以查出來字元
a；á；&19968；
輸出：aá一
關於計算機字符集編碼
頁是字符集編碼的別名，也有人稱 程式碼頁 早期，頁是ibm稱呼電腦bios本身支援的字符集編碼的名稱。當時通用的作業系統都是命令列介面系統，這些作業系統直接使用bios 的vga功能來顯示字元，作業系統的編碼支援也就依靠bios的編碼。現在這bios 頁被稱為oem 頁。圖形作業系統解決了此問題，圖...
學習字符集的一些體會
剛剛看的這一部分，感到為什麼我們當時學習字元 比較難理解，我感覺是因為我們沒有這方面的歷史！所以理解起來比較費勁，所以學習什麼東西都要了解它的歷史呀。字符集簡史 雖然不能確定人類開始講話的時間，但書寫已有大約6000年的歷史了。實際上，早期書寫的內容是象形文本。每個字元都對應於發聲的字母表則出現於大...
計算機常識之編碼解碼字符集
編碼就是將字元對映成二進位制，解碼是將二進位制對映到字元 字符集包括以下幾種 ascii字符集 共收錄128個字元，所以使用1個位元組來進行編碼 iso 8859 1 字符集，共收錄256個字元，是在ascii字符集的基礎上又擴充了128個西歐常用字元 gb2312字符集收錄了漢字以及拉丁字母 希臘...