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系統中傳輸中文而設計的編碼。早期很多郵件系統也只支援ascii編碼，為了傳輸中文郵件必須使用base64或者其他編碼方式。
gb2312
gb2312是基於區位碼設計的，區位碼把編碼表分為94個區，每個區對應94個位，每個字元的區號和位號組合起來就是該漢字的區位碼。區位碼一般 用10進製數來表示，如1601就表示16區1位，對應的字元是「啊」。在區位碼的區號和位號上分別加上0xa0就得到了gb2312編碼。
區位碼中01-09區是符號、數字區，16-87區是漢字區，10-15和88-94是未定義的空白區。它將收錄的漢字分成兩級：第一級是常用漢字計3755個，置於16-55區，按漢語拼音字母/筆形順序排列；第二級漢字是次常用漢字計3008個，置於56-87區，按部首/筆畫順序排列。一級漢字是按照拼音排序的，這個就可以得到某個拼音在一級漢字區位中的範圍，很多根據漢字可以得到拼音的程式就是根據這個原理編寫的。
gb2312字符集中除常用簡體漢字字元外還包括希臘字母、日文平假名及片假名字母、俄語西里爾字母等字元，未收錄正體中文漢字和一些生僻字。可以用繁體漢字測試某些系統是不是只支援gb2312編碼。
gb2312的編碼範圍是0xa1a1-0x7e7e，去掉未定義的區域之後可以理解為實際編碼範圍是0xa1a1-0xf7fe。
euc-cn可以理解為gb2312的別名，和gb2312完全相同。
區位碼更應該認為是字符集的定義，定義了所收錄的字元和字元位置，而gb2312及euc-cn是實際計算機環境中支援這種字符集的編碼。hz和iso-2022-cn是對應區位碼字符集的另外兩種編碼，都是用7位編碼空間來支援漢字。區位碼和gb2312編碼的關係有點像unicode和utf-8。
gbk
gbk編碼是gb2312編碼的超集，向下完全相容gb2312，同時gbk收錄了unicode基本多文種平面中的所有cjk漢字。同 gb2312一樣，gbk也支援希臘字母、日文假名字母、俄語字母等字元，但不支援韓語中的表音字元（非漢字字元）。gbk還收錄了gb2312不包含的漢字部首符號、豎排標點符號等字元。
gbk的整體編碼範圍是為0x8140-0xfefe，不包括低位元組是0×7f的組合。高位元組範圍是0×81-0xfe，低位元組範圍是0x40-7e和0x80-0xfe。
低位元組是0x40-0x7e的gbk字元有一定特殊性，因為這些字元占用了ascii碼的位置，這樣會給一些系統帶來麻煩。
有些系統中用0x40-0x7e中的字元（如「|」）做特殊符號，在定位這些符號時又沒有判斷這些符號是不是屬於某個 gbk字元的低位元組，這樣就會造成錯誤判斷。在支援gb2312的環境下就不存在這個問題。需要注意的是支援gbk的環境中小於0x80的某個位元組未必就是ascii符號；另外就是最好選用小於0×40的ascii符號做一些特殊符號，這樣就可以快速定位，且不用擔心是某個漢字的另一半。big5編碼中也存在相應問題。
cp936和gbk的有些許差別，絕大多數情況下可以把cp936當作gbk的別名。
gb18030
gb18030編碼向下相容gbk和gb2312，相容的含義是不僅字元相容，而且相同字元的編碼也相同。gb18030收錄了所有unicode3.1中的字元，包括中國少數民族字元，gbk不支援的韓文本元等等，也可以說是世界大多民族的文字元號都被收錄在內。
gbk和gb2312都是雙位元組等寬編碼，如果算上和ascii相容所支援的單位元組，也可以理解為是單位元組和雙位元組混合的變長編碼。gb18030編碼是變長編碼，有單位元組、雙位元組和四位元組三種方式。
gb18030的單位元組編碼範圍是0x00-0x7f，完全等同與ascii；雙位元組編碼的範圍和gbk相同，高位元組是0x81-0xfe，低位元組的編碼範圍是0x40-0x7e和0x80-fe；四位元組編碼中第
一、三位元組的編碼範圍是0x81-0xfe，二、四位元組是0x30-0x39。
windows中cp936**頁使用0x80來表示歐元符號，而在gb18030編碼中沒有使用0x80編碼位，用其他位置來表示歐元符號。這可以理解為是gb18030向下相容性上的一點小問題；也可以理解為0x80是cp936對gbk的擴充套件，而gb18030只是和gbk相容良好。
unicode
每一種語言的不同的編碼頁，增加了那些需要支援不同語言的軟體的複雜度。因而人們制定了乙個世界標準，叫做unicode。unicode為每個字元提供了唯一的特定數值，不論在什麼平台上、不論在什麼軟體中，也不論什麼語言。也就是說，它世界上使用的所有字元都列出來，並給每乙個字元乙個唯一特定數值。
unicode的最初目標，是用1個16位的編碼來為超過65000字元提供對映。但這還不夠，它不能覆蓋全部歷史上的文字，也不能解決傳輸的問題 (implantation head-ache's)，尤其在那些基於網路的應用中。已有的軟體必須做大量的工作來程式16位的資料。
因此，unicode用一些基本的保留字元制定了三套編碼方式。它們分別是utf-8,utf-16和utf-32。正如名字所示，在utf－8中，字元是以8位序列來編碼的，用乙個或幾個位元組來表示乙個字元。這種方式的最大好處，是utf－8保留了ascii字元的編碼做為它的一部分，例如，在utf－8和ascii中，「a」的編碼都是0x41.
utf－16和utf－32分別是unicode的16位和32位編碼方式。考慮到最初的目的，通常說的unicode就是指utf-16。在討論unicode時，搞清楚哪種編碼方式非常重要。
utf-8
gbk的文字編碼是用雙位元組來表示的，即不論中、英文本元均使用雙位元組來表示，為了區分中文，將其最高位都設定成1。gbk包含全部中文字元，是國家編碼，通用性比utf8差，不過utf8占用的資料庫比gbk大。
gbk、gb2312等與utf8之間都必須通過unicode編碼才能相互轉換：
gbk、gb2312－－unicode－－utf8
utf8－－unicode－－gbk、gb2312
對於乙個**、論壇來說，如果英文本元較多，則建議使用utf－8節省空間。不過現在很多論壇的外掛程式一般只支援gbk。
常用字符集的總結
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lat...
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...
常用字符集編碼的概要特性（二）
big5 big5是雙位元組編碼，高位元組編碼範圍是0x81 0xfe，低位元組編碼範圍是0x40 0x7e和0xa1 0xfe。和gbk相比，少了低位元組是0x80 0xa0的組合。0x8140 0xa0fe是保留區域，用於使用者造字區。big5收錄的漢字只包括繁體漢字，不包括簡體漢字，一些生僻的...