ASCII、GB2312、GBK、Unicode、UTF-8、UTF-16 編碼方式比較分析
實際上在日常工作開發中，中文亂碼是經常出現的一類問題。下面介紹一下ASCII、GB2312、GBK、Unicode、UTF-8、UTF-16、UTF-32編碼的原理以及不同點和區別。
ASCII
ASCII的英文翻譯是：American Standard Code for Information Interchange，也就是說，ASC後的II實際上是兩個首字母I的縮寫，而不是羅馬數字中的2。ASCII是最早最通用的單位元組編碼系統，因為發明時間早，所以ASCII編碼表的設計較為簡單。
結構
- ASCII表是單位元組字元表，此表中一個(英文)字元用一個位元組表示。
- 在ASCII中從00000000（第0個）～00011111（第31個）前32被用來作為控制字元表示各種類似：響鈴、退格、換頁等控制操作。
- 在ASCII中從00101111（第32個）～01111111（第127個）表示基本符號（！，@。%…）、數字（1，2，3…）、英文字母。
- ASCII表中一共有127個字元，後面的剩餘空閒的位元組沒有被使用。
GB2312
GB2312是1981年開始實施的一套漢字處理的編碼方案，GB是“基本”的意思，GB2312是對ASCII進行了擴充套件，在原來ASCII的基礎上擴充了6000多個漢字和600多個其他字元，是我們使用的較早的一個漢字編碼版本。
結構
- GB2312用一個位元組表示一個英文字元和一些基本符號和半形符號，用兩個位元組表示一個漢字和全形符號和一些我們日常使用的符號。
- GB2312利用了ASCII的127個字元之後空餘的部分，增添了6000多種常用漢字。
- 數值小於127的位元組表示ASCII中原有字元，兩個連續數值都大於127的位元組表示一個漢字字元。
- 使用GB2312編碼，當讀取到一個數值上小於127的位元組時當作一個ASCII中原有的字元處理。讀到一個數值大於127的位元組時會繼續讀取下一個位元組，下一個位元組的數值也必定是大於127，將兩個大於127的位元組一起組合形成一個字元。
GBK
GB2312有侷限性，只能表示6000個字元，GBK是對GB2312的升級，GBK與GB2312非常相似，唯一的不同：
結構
- 使用GBK編碼，當讀取到一個數值上小於127的位元組時當作一個ASCII中原有的字元處理。讀到一個數值大於127的位元組時必定會繼續讀取下一個位元組，下一個位元組的數值無需大於127，將兩個位元組一起組合形成一個漢字字元。
僅僅是一點微小的變化，讓GBK在2312的基礎上多增加了20000餘個字元，GBK也是我們最常用的中文編碼表。相比較UTF-8，GBK需要的空間小，如果我們工作的受眾物件是漢語物件，使用GBK沒有問題，但需注意java語言使用unicode編碼，有可能會存在轉換問題導致亂碼，使用需謹慎。
Unicode
我們的GB2312和GBK都是在ASCII的基礎上修改而來，利用了ASCII只使用127個位元組的特點，而全世界其他的國家也是如此操作，導致了各個國家之間存在複雜的編碼轉換問題。而unicode的出現直接一次性掃清了所有障礙，原因很簡單：unicode編碼表中包含了世界上所有國家的所有字元和符號的編碼。 unicode這種稱呼是不專業的，這種統一世界的編碼方式叫做：Universal Multiple-Octet Coded Character Set，簡稱：UCS。我們在習慣上將它叫做unicode。unicode編碼是一種概念，在最新的規範中，所有的字元一概使用四個位元組表示，網上有很多說unicode用兩個位元組表示一個字元是不對的，Unicode字元分為17組編排，0x0000 至 0xFFFF，而每平面擁有65536個碼位，共1114112個。
UTF-8
unicode編碼是一種概念，實際上真正實現了unicode編碼的是被使用次數最多的UTF標準（UCS Transfer Format）。在UTF標準中現今最常用的是UTF-8。UTF-8是unicode編碼的一種實現。
結構
- UTF-8靈活性很強，用1～4個位元組表示一個字元。
- 當字元在ASCII中可以被表示時，UTF-8編碼方式就用一個位元組來表示它。
- 在UTF-8中漢字用3個字元來表示。
- unicode中所有的字元一概使用兩個位元組表示。從unicode到UTF-8並不是直接的對應，而是要過一些演算法和規則來轉換。
UTF-16
UTF-16不是簡單的把UTF-8的範圍擴大了一倍，UTF-16和UTF-8是徹底不同的兩種編碼概念。
結構
- 在絕大多數情況下，UTF-16中一個字元固定使用兩個位元組編碼，一個字元兩個位元組是UTF-16編碼的概念。
- 在極少數情況下也會出現三個位元組表示一個字元的情況。
- 由於UTF-16固定使用兩個位元組表示一個字元，所以UTF-16不能與ASCII相容。
- 在不同的機器中UTF-16存在因儲存方式不同（大端法和小端法）導致資料有誤，因此存在UTF16-LE和UTF16-BE兩種UTF16的變體。
- 相比較UTF-8，在儲存中文方面，UTF16更加結合空間。
- UTF-16容錯情況比UTF-8好，因為UTF-16穩定使用兩個位元組編碼，如果資料錯誤不會連代其他資料被讀錯，而UTF-8是變長編碼，可能導致後面的字元全部錯誤。
- UTF-16廣泛應用在各種系統中。
UTF-32
UTF-32可以說是“真正”的unicode編碼，unicode用四個位元組表示一個字元的特點在UTF-32中實現了，理論上這樣根本不需要複雜的分配位元組的方法，只需要每個字元一一對應即可，而且UTF-32的超大容量裝得下任何的字元。但是問題也就在這裡，一個字元需要四個位元組太過於奢侈，UTF-32並不是一個很常用的編碼方法。
轉載自地址，謝謝 https://blog.csdn.net/QuinnNorris/article/details/78705723