常見的字元編碼UTF-8、UTF-16、UTF-32
字符集
字符集為每個字元分配了一個唯一的編號，通過這個編號就能找到對應的字元。在程式設計過程中我們經常會使用字元，而使用字元的前提就是把字元放入記憶體中，毫無疑問，放入記憶體中的僅僅是字元的編號，而不是真正的字元實體。
如何才能將字元編號放入記憶體中呢？
對於
ASCII字符集，這很容易。ASCII 總共包含 128 個字元，用 7 個位元位（Bit）恰好能夠儲存，不過考慮到計算機一般把位元組（Byte）作為基本單元，為了操作方便，我們不妨用一個位元組（也就是 8 個位元位）來儲存 ASCII。這樣雖然浪費了一個位元位，但是讀寫效率提高了。
但是對於
Unicode，問題就沒有這麼簡單了。Unicode 目前已經包含了上百萬的字元，位置靠前的字元用一個位元組就能儲存，位置靠後的字元用三個位元組才能儲存。我們可以為所有字元都分配三個位元組的記憶體，也可以為編號小的字元分配一個位元組或者兩個位元組的記憶體，而為編號大的字元分配三個位元組的記憶體。
注：Unicode和ASCII 為字符集 注：字符集和字元編碼不是一個概念，字符集定義了文字和二進位制的對應關係，為字元分配了唯一的編號，而字元編碼規定了如何將文字的編號儲存到記憶體中。有的字符集在制定時就考慮到了編碼的問題，是和編碼結合在一起的；有的字符集只管制定字元的編號，至於怎麼編碼，是其他人的事情。
上面的問題有兩個解決方案
1.為每個字元分配固定長度的記憶體 2.為每個字元分配儘量少的記憶體
Unicode 到底使用哪種編碼方案???
Unicode 可以使用的編碼有三種，分別是：
UFT-8：一種變長的編碼方案，使用 1~6 個位元組來儲存；UFT-32：一種固定長度的編碼方案，不管字元編號大小，始終使用 4 個位元組來儲存；UTF-16：介於 UTF-8 和 UTF-32 之間，使用 2 個或者 4 個位元組來儲存，長度既固定又可變。 注：UTF 是 Unicode Transformation Format 的縮寫，意思是“Unicode轉換格式”，後面的數字表明至少使用多少個位元位（Bit）來儲存字元。
下面我們介紹著這幾種編碼方式
UTF-8
UTF-8 的編碼規則很簡單：如果只有一個位元組，那麼最高的位元位為 0；如果有多個位元組，那麼第一個位元組從最高位開始，連續有幾個位元位的值為 1，就使用幾個位元組編碼，剩下的位元組均以 10 開頭。 具體的表現形式為：
- 0xxxxxxx：單位元組編碼形式，這和 ASCII 編碼完全一樣，因此 UTF-8 是相容 ASCII 的；
- 110xxxxx 10xxxxxx：雙位元組編碼形式；
- 1110xxxx 10xxxxxx 10xxxxxx：三位元組編碼形式；
- 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四位元組編碼形式。 注：xxx 就用來儲存 Unicode 中的字元編號。
UTF-32
UTF-32 是固定長度的編碼，始終佔用 4 個位元組，足以容納所有的 Unicode 字元，所以直接儲存 Unicode 編號即可，不需要任何編碼轉換。浪費了空間，提高了效率。
UTF-16
UFT-16 比較奇葩，它使用 2 個或者 4 個位元組來儲存。 對於 Unicode 編號範圍在 0 ~ FFFF 之間的字元，UTF-16 使用兩個位元組儲存，並且直接儲存 Unicode 編號，不用進行編碼轉換，這跟 UTF-32 非常類似。 對於 Unicode 編號範圍在 10000~10FFFF 之間的字元，UTF-16 使用四個位元組儲存，具體來說就是：將字元編號的所有位元位分成兩部分，較高的一些位元位用一個值介於 D800~DBFF 之間的雙位元組儲存，較低的一些位元位（剩下的位元位）用一個值介於 DC00~DFFF 之間的雙位元組儲存。
注：只有 UTF-8 相容 ASCII，UTF-32 和 UTF-16 都不相容 ASCII，因為它們沒有單位元組編碼。
GB2312、Shift-JIS 等國家（地區）字符集怎麼編碼
GB2312、GBK、Shift-JIS 等特定國家的字符集都是在 ASCII 的基礎上發展起來的，它們都相容 ASCII，所以只能採用變長的編碼方案：用一個位元組儲存 ASCII 字元，用多個位元組儲存本國字元。
以 GB2312 為例，該字符集收錄的字元較少，所以使用 1~2 個位元組編碼。
- 對於 ASCII 字元，使用一個位元組儲存，並且該位元組的最高位是 0；
- 對於中國的字元，使用兩個位元組儲存，並且規定每個位元組的最高位都是 1。 由於單位元組和雙位元組的最高位不一樣，所以很容易區分一個字元到底用了幾個位元組。
寬字元和窄字元（多位元組字元）
有的編碼方式採用 1~n 個位元組儲存，是變長的，例如 UTF-8、GB2312、GBK 等；如果一個字元使用了這種編碼方式，我們就將它稱為多位元組字元，或者窄字元。
有的編碼方式是固定長度的，不管字元編號大小，始終採用 n 個位元組儲存，例如 UTF-32、UTF-16 等；如果一個字元使用了這種編碼方式，我們就將它稱為寬字元。
Unicode 字符集可以使用窄字元的方式儲存，也可以使用寬字元的方式儲存；GB2312、GBK、Shift-JIS 等國家編碼一般都使用窄字元的方式儲存；ASCII 只有一個位元組，無所謂窄字元和寬字元。
本文摘自嚴長生部落格
我的真正身份是改變社會風氣，風靡萬千少女，提高青年人內涵，刺激軟體市場，玉樹臨風的搬磚工?鋼絲球君，英文名字叫Tom Siebel
微信掃碼?可以進行技術交流，歡迎提問！！！
