字符集一直是我的噩梦……从我很小的时候就开始了，那个时候我几乎不懂什么编程，但我知道我国古代有一位伟大的军事家、政治家、文学家变巨。当然，你可能没听说过变巨，但你肯定听说过曹操。是的，BIG5码中的曹操转到国标码那就是变巨。记得当时没少咒骂那些不肯把文字简体中文化的游戏代理商，也没少咒骂那些所谓的内码转换工具。好吧，废话少说，今天上了课，基本上消除了90%对字符串的恐惧，以下随便说一些，主要说说几种双字节和多字节编码：

GB2312-80，传说中的中华人民共和国国家标准汉字信息交换用编码，该编码为双字节编码，高字节的范围位0xA0-0xFE，低字节为0xA0-0xFE，编码空间为……额，94*94=8836，（其中0xB0-0xF7是汉字区）该编码又通过高低位分为94个区与94个位，就成了传说中的区位码，除去了数字啊，符号啊以及空白编码，给汉字留下的，只有6000多个。我天朝文化博大精深，汉字岂是这6000多个编码能够包罗的，所以可以看出，这个编码的确不怎么能满足需要，甚至我国前总理朱镕基的镕字都不在这个字符集中。

GB13000，又叫GBK，K的意思是扩展，再怎么说，我们也不能打不出总理的名字，所以在1995年，信息技术化技术委员会又制定了GBK编码，其编码空间有了大幅度的扩充，单字节编码空间是0x00-0x7F，和ASCII码兼容。双字节编码中，高字节是0x81-0xFE，低字节是0x40-0x7E以及0x80-0xFE，以低字节7F为界，以上的都是与GB2312兼容，以下则是生僻字。GBK一共收入了21886个汉字符号，其分布如下图：

汉字区：

GBK/2：OXBOA1-F7FE, 收录 GB2312 汉字 6763 个

GBK/3：OX8140-AOFE，收录 CJK 汉字 6080 个

GBK/4：OXAA40-FEAO，收录 CJK 汉字和增补的汉字 8160 个

图形符号区：

GBK/1：OXA1A1-A9FE，GB2312 符号+增补其它符号

GBK/5：OXA840-A9AO，扩除非汉字区

用户自定义区 ：

即 GBK 区域中的空白区，用户可以自己定义字符

在2000年，我天朝又高瞻远瞩的扩充了编码，考虑到民族团结，将少数民族文字加入，也考虑到曾经的几个属国，所以把日语，韩语符号加入到了编码，于是GB18030-2000应运而生，考虑到囊括内容众多，所以编码最多为四字节……其规则为单字节：0x0~0x7F，双字节：高字节：0x81~0xFE 低字节：0x40~0x7E 0x80~0xFE（兼容GBK），四字节：第1、3字节：0X81~0XFE 第2、4字节：0X30~0X39

unicode，这个东西是我们听的最多的了，也是国际推荐的编码方式，其产生就不再多说，unicode有多种使用方式，也就是我们尝尝听说的UTF-8 UTF-16 UTF-32，这类的。

所谓UTF-32，就是用32位去表示一个编码……试想就一串英文也要用每个字母32位去编码，那么存储空间就凭空变成原来的四倍，用张指导的话说，那就是不合理。

UTF-16嘛，这个编码的方法是，如果编码U小于0x10000，则直接用16位来表示，如果编码U大于0x10000，由于unicode编码最大范围为0x10FFFF，从0x10000到0x10FFFF直接共有0xFFFFF个编码，也就是要20个bit就可以表示这些编码。一个编码U，将其前10bit作为低位和0xD800进行或操作，将后10bit作为低位和0xDC做或操作。这样就组成了4个BYTE的编码。这个东西的好处嘛……大部分编码都以固定长度存储，但无法相容于ASCII编码。

UTF-8，也是一个变长的编码，用1~4个Byte来表示一个编码，当长度位1Byte时，和ASCII对应，当是两个Byte时，表示拉丁文，希伯来文，3个时，表示CJK中的字符，当4个，表示其它的字符。其编码规则如下表：

可以看出，编码第一字节有几个0，那么该编码就由几个字节构成，后续编码都是10开头，非常容易解析，而且和ASCII兼容。很好很强大。

以上，把国内几个主流的编码简述了一下……至于其它的编码BIG5啊，之类的，需要使用的时候再去查查资料，unicode真是一种好的解决方案。