“中國北京香蕉是個大笨蛋”這是我定義的aka字符集；各字符對應(yīng)代碼點(diǎn)為：北 00000001京 00000010香 10000001蕉 10000010是 10000100個 10001000大 10010000笨 10100000蛋 11000000中 00000100國 00001000下面是我定義的 zixia 編碼方案（8位），可以看到它的編碼中表示了aka字符集的所有字符對應(yīng)的 代碼單元；北 10000001京 10000010香 00000001蕉 00000010是 00000100個 00001000大 00010000笨 00100000蛋 01000000中 10000100國 10001000所謂文本文件 就是我們按一定編碼方式將二進(jìn)制數(shù)據(jù)表示為對應(yīng)的文本如 00000001000000100000010000001000000100000010000001000000這樣的文件。我用一個支持 zixia編碼和aka字符集的記事本打開，它就按照編碼方案顯示為  “香蕉是個大笨蛋 ”如果我把這些字符按照GBK另存一個文件，那么則肯定不是這個，而是1100111111100011 1011110110110110 1100101011000111 1011100011110110 1011010011110011 1011000110111111 1011010110110000 110100001010

二，字符集1， 常用字符集分類ASCII及其擴(kuò)展字符集作用：表語英語及西歐語言。位數(shù)：ASCII是用7位表示的，能表示128個字符；其擴(kuò)展使用8位表示，表示256個字符。范圍：ASCII從00到7F，擴(kuò)展從00到FF。ISO-8859-1字符集作用：擴(kuò)展ASCII，表示西歐、希臘語等。位數(shù)：8位，范圍：從00到FF，兼容ASCII字符集。GB2312字符集作用：國家簡體中文字符集，兼容ASCII。位數(shù)：使用2個字節(jié)表示，能表示7445個符號，包括6763個漢字，幾乎覆蓋所有高頻率漢字。范圍：高字節(jié)從A1到F7, 低字節(jié)從A1到FE。將高字節(jié)和低字節(jié)分別加上0XA0即可得到編碼。BIG5字符集作用：統(tǒng)一繁體字編碼。位數(shù)：使用2個字節(jié)表示，表示13053個漢字。范圍：高字節(jié)從A1到F9，低字節(jié)從40到7E，A1到FE。GBK字符集作用：它是GB2312的擴(kuò)展，加入對繁體字的支持，兼容GB2312。位數(shù)：使用2個字節(jié)表示，可表示21886個字符。范圍：高字節(jié)從81到FE，低字節(jié)從40到FE。GB18030字符集作用：它解決了中文、日文、朝鮮語等的編碼，兼容GBK。位數(shù)：它采用變字節(jié)表示(1 ASCII，2，4字節(jié))。可表示27484個文字。范圍：1字節(jié)從00到7F; 2字節(jié)高字節(jié)從81到FE，低字節(jié)從40到7E和80到FE；4字節(jié)第一三字節(jié)從81到FE，第二四字節(jié)從30到39。UCS字符集作用：國際標(biāo)準(zhǔn) ISO 10646 定義了通用字符集 (Universal Character Set)。它是與UNICODE同類的組織，UCS-2和UNICODE兼容。位數(shù)：它有UCS-2和UCS-4兩種格式，分別是2字節(jié)和4字節(jié)。范圍：目前，UCS-4只是在UCS-2前面加了0×0000。UNICODE字符集作用：為世界650種語言進(jìn)行統(tǒng)一編碼，兼容ISO-8859-1。位數(shù)：UNICODE字符集有多個編碼方式，分別是UTF-8，UTF-16和UTF-32。2 ，按所表示的文字分類語言                                 字符集                                     正式名稱英語、西歐語                     ASCII，ISO-8859-1                MBCS 多字節(jié)簡體中文                             GB2312                                    MBCS 多字節(jié)繁體中文                             BIG5                                         MBCS 多字節(jié)簡繁中文                             GBK                                         MBCS 多字節(jié)中文、日文及朝鮮語         GB18030                                  MBCS 多字節(jié)各國語言                             UNICODE，UCS                    DBCS 寬字節(jié)

三，編碼UTF-8：采用變長字節(jié) (1 ASCII, 2 希臘字母, 3 漢字, 4 平面符號) 表示，網(wǎng)絡(luò)傳輸, 即使錯了一個字節(jié)，不影響其他字節(jié)，而雙字節(jié)只要一個錯了，其他也錯了，具體如下：如果只有一個字節(jié)則其最高二進(jìn)制位為0；如果是多字節(jié)，其第一個字節(jié)從最高位開始，連續(xù)的二進(jìn)制位值為1的個數(shù)決定了其編碼的字節(jié)數(shù)，其余各字節(jié)均以10開頭。UTF-8最多可用到6個字節(jié)。

UTF-16：采用2字節(jié)，Unicode中不同部分的字符都同樣基于現(xiàn)有的標(biāo)準(zhǔn)。這是為了便于轉(zhuǎn)換。從 0×0000到0×007F是ASCII字符，從0×0080到0×00FF是ISO-8859-1對ASCII的擴(kuò)展。希臘字母表使用從0×0370到 0×03FF 的代碼，斯拉夫語使用從0×0400到0×04FF的代碼，美國使用從0×0530到0×058F的代碼，希伯來語使用從0×0590到0×05FF的代 碼。中國、日本和韓國的象形文字（總稱為CJK）占用了從0×3000到0×9FFF的代碼；由于0×00在C語言及操作系統(tǒng)文件名等中有特殊意義，故很 多情況下需要UTF-8編碼保存文本，去掉這個0×00。舉例如下：UTF-16: 0×0080  = 0000 0000 1000 0000UTF-8:   0xC280 = 1100 0010 1000 0000UTF-32：采用4字節(jié)。優(yōu)缺點(diǎn)UTF-8、UTF-16和UTF-32都可以表示有效編碼空間 (U+000000-U+10FFFF) 內(nèi)的所有Unicode字符。使用UTF-8編碼時ASCII字符只占1個字節(jié)，存儲效率比較高，適用于拉丁字符較多的場合以節(jié)省空間。對于大多數(shù)非拉丁字符（如中文和日文）來說，UTF-16所需存儲空間最小，每個字符只占2個字節(jié)。Windows NT內(nèi)核是Unicode（UTF-16），采用UTF-16編碼在調(diào)用系統(tǒng)API時無需轉(zhuǎn)換，處理速度也比較快。采用UTF-16和UTF-32會有Big Endian和Little Endian之分，而UTF-8則沒有字節(jié)順序問題，所以UTF-8適合傳輸和通信。UTF-32采用4字節(jié)編碼，一方面處理速度比較快，但另一方面也浪費(fèi)了大量空間，影響傳輸速度，因而很少使用。

四，如何判斷字符集1，字節(jié)序首先說一下字節(jié)序?qū)幋a的影響，字節(jié)序分為Big Endian字節(jié)序和Little Endian字節(jié)序。不同的處理器可能不一樣。所以，傳輸時需要告訴處理器當(dāng)時的編碼字節(jié)序。對于前者而言，高位字節(jié)存在低地址，低字節(jié)存于高地址；后者相反。例如，0X03AB,Big Endian字節(jié)序0000: 0 30001: ABLittle Endian字節(jié)序是0000: AB0001: 0 32，編碼識別UNICODE，根據(jù)前幾個字節(jié)可以判斷UNICODE字符集的各種編碼，叫做Byte Order Mask方法BOM：UTF-8: EFBBBF (符合UTF-8格式，請看上面。但沒有含義在UCS即UNICODE中)UTF-16 Big Endian：FEFF (沒有含義在UCS-2中)UTF-16 Little Endian：FFFE (沒有含義在UCS-2中)UTF-32 Big Endian：0000FEFF (沒有含義在UCS-4中)UTF-32 Little Endian：FFFE0000 (沒有含義在UCS-4中)

GB2312：高字節(jié)和低字節(jié)的第1位都是1。

BIG5，GBK&GB18030：高字節(jié)的第1位為1。操作系統(tǒng)有默認(rèn)的編碼，常為GBK，可以下載別的并升級。通過判斷高字節(jié)的第1位從而知道是ASCII或者漢字編碼。