字符编码
字符编码相关常识
字符编码简介
1. ASCII
ASSII(American Standard Code for Information Interchange),是一种单字节编码。单字节可以表示 256 个不同的字符，可以表示所有的英文字符和许多控制符号。ASCII只用到其中的一半(\x80以下)，这是MBCS得以实现的基础。
2. MBCS
MBCS(Multi-Byte Character Set)是一种多字节编码。目前大多使用双字节编码，所以也叫DBCS(Double-Byte Character Byte)。MBCS并不是某一种特定的编码，Windows 中根据设定的区域不同，指代不同的编码。而Linux里无法使用MBCS作为编码。Windows中，微软使用ANSI来代表MBCS，在简体中文Windows默认的区域设定里，指代GBK。
如GBxxx、BIGxxx等，都是多字节字符编码，他们的规则是：如果第一个字节是\x80以下，则仍然表示ASCII字符；如果是\x80以上，则跟下一个字节一起（共两个字节）表示一个字符，然后跳过下一个字节，继续往下判断。
IBM发明了一个叫Code Page的概念，将这些编码都收入囊中并分配页码，GBK是第936页，也就是CP936。所以，也可以使用CP936表示GBK。
3. Unicode
UCS(Unicode Character Set)还仅仅是字符对应码位的一张表而已，比如汉这个字的码位是6C49。字符具体如何传输和储存则是由UTF(UCS Transformation Format)来负责。
Unicode标准UCS-2使用两个字节表示一个字符，UCS-4标准，使用4个字节表示一个字符。
最初，使用UCS的码位来保存，这就是UTF-16，比如，汉直接使用\x6C\x49保存(UTF-16-BE)，或是倒过来使用\x49\x6C保存(UTF-16-LE)。但英文字母只需要一个字节就能保存，变成了两个字节，空间消耗大了一倍，于是UTF-8横空出世。BOM(Byte Order Mark),文件编码方式。
4. UTF-8
| Byte 1 | Byte 2 | Byte 3 | Byte 4 | Byte 5 | Byte 6 |
|---|---|---|---|---|---|
| 0xxx xxxx | |||||
| 110x xxxx | 10xx xxxx | ||||
| 1110 xxxx | 10xx xxxx | 10xx xxxx | |||
| 1111 0xxx | 10xx xxxx | 10xx xxxx | 10xx xxxx | ||
| 1111 10xx | 10xx xxxx | 10xx xxxx | 10xx xxxx | 10xx xxxx | |
| 1111 110x | 10xx xxxx | 10xx xxxx | 10xx xxxx | 10xx xxxx | 10xx xxxx |
| … | … | … | … | … | … |
查询转换工具
查看字符编码（UTF-8）
在线中文汉字/ASCII码/Unicode编码互相转换工具
在线Unicode编码转换工具（为您提供ASCII与Unicode互转，Unicode与中文互转，中文转换为&#XXXX形式）
GBK 编码
Unicode汉字编码表