标签：style http io ar color 使用 sp for strong
汉字编码知识点
ASCII码是西欧编码的方式，采取7位编码，所以是2^7=128,共可以表示128个自负，包括34个字符，（如换行LF，回车CR等），其余94位为英文字母和标点符号及运算符号等。在计算机中，一个ASCII码占8位，最高位（bit7）用作奇偶校验。奇校验规则：正确的代码一个字节中1的个数必须是奇数，若非奇数，则在最高位b7补一个1；偶校验规则：正确的代码一个字节中1的个数必须是偶数，若非偶数，则在最高位b7补一个1。
为了识别双字节的字符，比如汉字或日文韩文等都是占用2个字节的，每字节高位为1,而一般细纹字符只有一个字节，七位有效编码，高位为补位用，通常是0.汉字编码格式通常称为10格式，一个汉字占2个字节，但只表示一个字符。
一、GB2312编码
GB2312共收录了6763个汉字，其中一级汉字3755个，二级汉字3008个，这里的一级汉字和二级汉字是根据编码的区位来区分的；另外，还收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄罗斯语西里尔字母在内的682个全形字符。
GB2312区位码：
GB2312对所收汉字进行了”区分“处理，美区含有94个汉字/符号。这种表示方式也称为区位码。
（1）01-09区为特殊符号
（2）16-55区为一级汉字，按拼音排序
（3）56-87区为二级汉字，按部首/笔画排序
（4）10-15区及88-94区则未有编码
举例来说，“啊”字是GB2312之中的第一个汉字，它的区位码就是1601。字节编码，通常采用EUC储存方法，以便兼容于ASCII。每个汉字及符号以两个字节来表示。 第一个字节称为“高位字节”，第二个字节称为“低位字节”。 “高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上0xA0)。例如“啊”字在大多数程序中，会以0xB0A1储存（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）。
所以GB2312编码中汉字区码的十进制是从176到247，位码是从161到255.之所以存储了6763小于82*94=6768，是因为在区码为215，位码为250-254之间共五个编码没有汉字编码，所以6768-5=6763个。 其编码范围：A1A1－FEFE，其中汉字的编码范围为B0A1(十进制283159)-F7FE（十进制406662），第一字节0xB0-0xF7（对应区号：16－87），第二个字节0xA1-0xFE（对应位号：01－94）。
GB2312编码规则:
(1)2字节编码，高位为0xA1-0xF7，低位为0xA1-0xFE
(2)汉字区域，高位为0xB0-0xF7，低位为0xA1-0xFE
(3)特殊符号，高位为0xA1-0xA9，低位为0xA1-0xFE
二、GBK编码
GB2312是中国规定的汉字编码，也可以说是简体中文的字符集编码；而GBK是GB2312的扩展，除了兼容GB2312外，还包括了繁体中文和日文的假名等。
GBK简体字符集的编码同时使用1个字节和2个字节，当高位是0x00~0x7f时，为一个字节，高位为0x80以上时用2个字节表示。当发现一个字节的内容大于0x7f时，那它肯定是个汉字（跟另一个字节拼凑成一个汉字），0x7f（01111111）接下来的数就是0x80(10000000），所以想要大于0x7f，这个字节的最高位都肯定是1,我们之需要判断这个最高位是否为1就行了。例如：a的ASCII码是97(01100001），A的ASCII码是65(01000001）.
三、Unicode编码
Unicode是由国际组织设计的一种字符编码方法，可以容纳全世界所有语言文字的编码方案。Unicode的学名叫”UniversalMultipleOctetCoded Character Set“，简称为UCS。Unicode规定了如何编码，但是没有规定如何传输、保存这个编码。例如”汉“字的UCS编码是6C49,我们可以用4个ASCII数字来传输、保存这个编码；也可以使用utf-8编码，3个连续的字节E6B189来表示他。关键在于通信双方都要认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方案。UTF-8的一个特别好友是它与ISO-8859-1完全兼容。UTF是”UCSTransformation Format“的缩写。
UTF-8是Unicode的一种实现方式，也就是它的字节结构有特殊要求，所以我们说一个汉字的范围是0X4E00到0x9FA5，是指unicode值，至于放在utf-8的编码里去就是由三个字节来组织，所以可以看出unicode是给出一个字符的范围，定义了这个字是码值是多少，至于具体的实现方式可以有多种多样来实现。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。
汉字的unicode范围是：0x4E00~0x9FA5，UTF-8有点类似于Haffman编码，是一种变长的编码方式，尽可能的缩短编码后的字节数大小，它将Unicode编码为：
0x00-0x7F的字符，用单个字节来表示；
0x80-0x7FF的字符用两个字节表示；
0x800-0xFFFF的字符用3字节表示；
一直持续到6个字节，依次类推。
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx10xxxxxx
0000 0800-0000 FFFF | 1110xxxx10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx10xxxxxx 10xxxxxx 10xxxxxx
如：“严”的unicode编码是4E25(100111000100101），根据上表，可以发现4E25处在第三行的范围内（00000800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“1110010010111000 10100101”，转换成十六进制就是E4B8A5。
所以当我们需要在GB2312、GBK等和UTF-8之间转换时，必须依赖Unicode码才能实现。
GB2312、GBK-----Unicode-----UTF-8
UTF-8-------Unicode-----GB2312、GBK
参考资料：
（1）汉字Unicode大全：http://mall.webcrow.jp/
标签：style http io ar color 使用 sp for strong
原文地址：http://blog.csdn.net/wgw335363240/article/details/41700045
