ASCII是用來表示英文字元的一種編碼規範（編碼規範確定了字元到編碼的映 射），它一共可以表示256種不同的編碼，每個編碼儲存起來佔一個位元組。其中低128個編碼用來表示大小寫字母、數字、控制字元等，而高128個編碼則被 稱做“擴充套件ASCII”（最高位為1），一般用來存放英文的製表符、部分音標字元等等的一些其他符號。

　　早先的漢字編碼就利用了擴充套件ASCII，它們利用兩個ASCII碼來編碼一個漢字。由於歷史的原因，在Unicode之前，一共存在過3套中文編碼標準：

　　GB2312-80，是中國大陸使用的國家標準，其中一共編碼了6763個常用簡體漢字。Big5，是臺灣使用的編碼標準，編碼了臺灣使用的繁體漢字，大概有8千多個。HKSCS，是中國香港使用的編碼標準，字型也是繁體，但跟Big5有所不同。 

　　這3套編碼標準都採用了兩個擴充套件ASCII的方法，但是這幾套編碼互不相容，而且編碼區間也各有不同。因此在同一個系統中同時顯示GB和Big5基本上是不可能的。

　　後來，由於各方面的原因，國際上又制定了針對中文的統一字符集GBK和GB18030，其中GBK已經在Windows、Linux等多種作業系統中被實現。 

　　GBK相容GB2312，並增加了大量不常用漢字，還加入了幾乎所有的Big5中的繁體漢字。但是GBK中的繁體漢字和Big5中的幾乎不相容。 

　　GB18030相當於是GBK的超集，比GBK包含的字元更多。據我所知目前還沒有作業系統直接支援GB18030。

　　這之後，Unicode出現了，在Windows2K,XP中,Unicode已經成了OS的標準內碼。

　　Unicode編碼規範有兩套標準，一套叫UCS-2(Unicode-16)，另一套叫UCS-4(Unicode-32)。

　　以目前常用的UCS-2為例，它可以表示的字元數為2^16=65535（編碼數），基本上可以容納所有的歐美字元和絕大部分的亞洲字元 。

　　在Unicode裡，所有的字元被一視同仁。漢字不再使用“兩個擴充套件ASCII”，而是使用“1個Unicode”，注意，現在的漢字是“一個字元”了，於是，拆字、統計字數這些問題也就自然而然的解決了。

　　但是，這個世界不是理想的，不可能在一夜之間所有的系統都使用Unicode來處理字元，所以Unicode在誕生之日，就必須考慮一個嚴峻的問 題：和ASCII字符集之間的不相容問題。我們知道，ASCII字元是單個位元組的，比如“A”的ASCII是65。而“A”的Unicode是0065， 這就造成了一個非常大的問題：以前處理ASCII的那套機制不能被用來處理Unicode了 。 

　　另一個更加嚴重的問題是，C語言使用'/0'（ASCII碼0）作為字串結尾，而Unicode裡恰恰有很多字元都有一個位元組為0，這樣一來，C語言的字串函式將無法正常處理Unicode，除非把世界上所有用C寫的程式以及他們所用的函式庫全部換掉。

　　UTF（UCS Transformation Format）是將Unicode編碼規範和計算機中實際儲存的編碼對應起來的一個規則。現在流行的UTF有2種：UTF-8和UTF-16 。 

　　其中UTF-16和上面提到的Unicode編碼規範本身是一致的，這裡不多說了。而UTF-8不同，UTF-8有點類似於Haffman編碼，它用 1-6個位元組來儲存一個編碼，其中英文字元仍然跟ASCII編碼一樣，用一個位元組來儲存，因此原先的函式庫可以繼續使用。而中文的編碼範圍是在 0080-07FF之間，因此是2個位元組表示（但這兩個位元組和GB編碼的兩個位元組是不同的），用專門的Unicode處理類可以對UTF編碼進行處理。 這種規則可以和ASCII編碼保持最大程度的相容。