ASCII字符集編碼

ASCII碼是7位編碼，編碼範圍是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯數字和標點符號等字元。其中0x00-0x20和0x7F共33個控制字元。

只支援ASCII碼的系統會忽略每個位元組的最高位，只認為低7位是有效位。HZ字元編碼就是早期為了在只支援7位ASCII系統中傳輸中文而設計的編碼。早期很多郵件系統也只支援ASCII編碼，為了傳輸中文郵件必須使用BASE64或者其他編碼方式。


GB2312字符集編碼


GB2312 是漢字字符集和編碼的代號，中文全稱為“資訊交換用漢字編碼字符集”，由中華人民共和國國家標準總局釋出，一九八一年五月一日實施。GB 是“國標” 二字的漢語拼音縮寫。

GB2312 字符集 (character set) 只收錄簡化字漢字，以及一般常用字母和符號，主要通行於中國大陸地區和新加坡等地。GB2312 共收錄有 7445

個字元，其中簡化漢字 6763 個，字母和符號 682 個。

GB2312 將所收錄的字元分為 94 個區，編號為 01 區至 94 區；每個區收錄 94 個字元，編號為 01 位至 94 位。GB2312 的每一個字元都由與其唯一對應的區號和位號所確定。例如：漢字“啊”，編號為 16 區 01 位。

GB2312 字符集的區位分佈表：

區號    字數    字元類別
01      94    一般符號
02      72    順序號碼
03      94    拉丁字母
04      83    日文假名
05      86    Katakana
06      48    希臘字母
07      66    俄文字母
08      63    漢語拼音符號
09      76    圖形符號
10-15            備用區
16-55    3755    一級漢字，以拼音為序
56-87    3008    二級漢字，以筆劃為序
88-94            備用區

這本手冊列出了 GB2312 的全部字元和它們的區位號。

GB2312 編碼

GB2312 原始編碼 (encoding) 是對所收錄的每個字元都用兩個位元組 (byte) 表示。第一位元組為“高位元組”，由字元的區號值加上 32 而形成；第二位元組為“低位元組”，由字元的位號值加上 32 而形成。例如：漢字“啊”，編號為 16 區 01 位。它的高位元組為 16 + 32 = 48 (0x30)，低位元組為 01 + 32 = 33 (0x21)，合併而成的編碼為 0x3021。

在區位號值上加 32 的原因大慨是為了避開低值位元組區間。

由於 GB2312 原始編碼與 ASCII 編碼的位元組有重疊，現在通行的 GB2312 編碼是在原始編碼的兩個位元組上各加 128 修改而形成。例如：漢字“啊”，編號為 16 區 01 位。它的原始編碼為 0x3021，通行編碼為 0xB0A1。

如果不另加說明，GB2312 常指這種修改過的編碼。

GB2312的編碼範圍是0xA1A1-0x7E7E，去掉未定義的區域之後可以理解為實際編碼範圍是0xA1A1-0xF7FE。

上面這句有誤，應該說GB2312的每一個漢字由兩個位元組構成，其中每一個位元組的範圍都在0xA1 ~0xFE，正好每一個位元組都有94個編碼範圍，與區位碼個數完全對應。

EUC-CN可以理解為GB2312的別名，和GB2312完全相同。

區位碼更應該認為是字符集的定義，定義了所收錄的字元和字元位置，而GB2312及EUC-CN是實際計算機環境中支援這種字符集的編碼。HZ和 ISO-2022-CN是對應區位碼字符集的另外兩種編碼，都是用7位編碼空間來支援漢字。區位碼和GB2312編碼的關係有點像 Unicode和UTF-8。

GBK字符集編碼

GBK 編碼是GB2312編碼的超集，向下完全相容GB2312，同時GBK收錄了Unicode基本多文種平面中的所有CJK漢字。同 GB2312一樣，GBK也支援希臘字母、日文假名字母、俄語字母等字元，但不支援韓語中的表音字元（非漢字字元）。GBK還收錄了GB2312不包含的 漢字部首符號、豎排標點符號等字元。

GBK的整體編碼範圍是為：高位元組範圍是0×81-0xFE，低位元組範圍是0x40-7E和0x80-0xFE，不包括低位元組是0×7F的組合。

低位元組是0x40-0x7E的GBK字元有一定特殊性，因為這些字元佔用了ASCII碼的位置，這樣會給一些系統帶來麻煩。

有些系統中用0x40-0x7E中的字元（如“|”）做特殊符號，在定位這些符號時又沒有判斷這些符號是不是屬於某個 GBK字元的低位元組，這樣就會造成錯誤判斷。在支援GB2312的環境下就不存在這個問題。需要注意的是支援GBK的環境中小於0x80的某個位元組未必就 是ASCII符號；另外就是最好選用小於0×40的ASCII符號做一些特殊符號，這樣就可以快速定位，且不用擔心是某個漢字的另一半。Big5編碼中也 存在相應問題。
CP936和GBK的有些許差別，絕大多數情況下可以把CP936當作GBK的別名。

GB18030字符集編碼

GB18030編碼向下相容GBK和GB2312，相容的含義是不僅字元相容，而且相同字元的編碼也相同。GB18030收錄了所有Unicode3.1中的字元，包括中國少數民族字元，GBK不支援的韓文字元等等，也可以說是世界大多民族的文字元號都被收錄在內。

GBK和GB2312都是雙位元組等寬編碼，如果算上和ASCII相容所支援的單位元組，也可以理解為是單位元組和雙位元組混合的變長編碼。GB18030編碼是變長編碼，有單位元組、雙位元組和四位元組三種方式。

GB18030 的單位元組編碼範圍是0x00-0x7F，完全等同與ASCII；雙位元組編碼的範圍和GBK相同，高位元組是0x81-0xFE，低位元組的編碼範圍是0x40 -0x7E和0x80-FE；四位元組編碼中第一、三位元組的編碼範圍是0x81-0xFE，二、四位元組是0x30-0x39。

Windows 中CP936內碼表使用0x80來表示歐元符號，而在GB18030編碼中沒有使用0x80編碼位，用其他位置來表示歐元符號。這可以理解為是 GB18030向下相容性上的一點小問題；也可以理解為0x80是CP936對GBK的擴充套件，而GB18030只是和GBK相容良好。

unicode字符集編碼

   每一種語言的不同的編碼頁，增加了那些需要支援不同語言的軟體的複雜度。因而人們制定了一個世界標準，叫做unicode。unicode為每個字元 提供 了唯一的特定數值，不論在什麼平臺上、不論在什麼軟體中，也不論什麼語言。也就是說，它世界上使用的所有字元都列出來，並給每一個字元一個唯一特定數值。

Unicode的最初目標，是用1個16位的編碼來為超過65000字元提供對映。但這還不夠，它不能覆蓋全部歷史上的文字，也不能解決傳輸的問題 (implantation head-ache's)，尤其在那些基於網路的應用中。已有的軟體必須做大量的工作來程式16位的資料。
因 此，Unicode用一些基本的保留字元制定了三套編碼方式。它們分別是UTF-8,UTF-16和UTF-32。正如名字所示，在UTF－8中，字元是 以8位序列來編碼的，用一個或幾個位元組來表示一個字元。這種方式的最大好處，是UTF－8保留了ASCII字元的編碼做為它的一部分，例如，在UTF－8 和ASCII中，“A”的編碼都是0x41.

UTF－16和UTF－32分別是Unicode的16位和32位編碼方式。考慮到最初的目的，通常說的Unicode就是指UTF-16。在討論Unicode時，搞清楚哪種編碼方式非常重要。

UTF-8字符集編碼

Unicode Transformation Format-8bit，允許含BOM，但通常不含BOM。是用以解決國際上字元的一種多位元組編碼，它對英文使用8位（即一個位元組），中文使用24為（三 個位元組）來編碼。UTF-8包含全世界所有國家需要用到的字元，是國際編碼，通用性強。UTF-8編碼的文字可以在各國支援UTF8字符集的瀏覽器上顯 示。如，如果是UTF8編碼，則在外國人的英文IE上也能顯示中文，他們無需下載IE的中文語言支援包。

GBK的文字編碼是用雙位元組來表示的，即不論中、英文字元均使用雙位元組來表示，為了區分中文，將其最高位都設定成1。GBK包含全部中文字元，是國家編碼，通用性比UTF8差，不過UTF8佔用的資料庫比GBD大。

GBK、GB2312等與UTF8之間都必須通過Unicode編碼才能相互轉換：

GBK、GB2312－－Unicode－－UTF8

UTF8－－Unicode－－GBK、GB2312

對於一個網站、論壇來說，如果英文字元較多，則建議使用UTF－8節省空間。不過現在很多論壇的外掛一般只支援GBK。