1.big endian和little endian是CPU處理多字節數的不同方式
如‘漢’字的Unicode編碼是6C49。那麼寫到文件裏時若將6C寫在前面，就是big endian。將49寫在前面，就是little endian
2.字符編碼、內碼及漢字編碼
字符必須是編碼後才能被計算機處理，計算機使用的缺省編碼方式就是內碼。早期計算機使用8位的ASCII編碼(一個字節的編碼規範，代表一個字符)，爲處理漢字設計GB2312用於簡體中文和big5用於繁體中文
GB2312(1980)共收錄7445個字符，包括6763個漢字和682個其它符號。漢字區的內碼範圍高字節從B0-F7，低字節從A1-FE，佔用碼位是72*94=6768。其中有5個空位是D7FA-D7FE。GB2312支持漢字太少，1995年漢字擴展規範GBK1.0收錄了21886個符號，它分爲漢字區和圖形符號區，漢字區包括21003個字符。 2000年的GB18030是取代GBK1.0的正式國家標準，該標準收錄27484個漢字，同時還收錄藏文、蒙文、維吾爾文等主要少數民族文字，現在的PC平臺必須支持GB18030，對嵌入式產品暫不作要求，所以手機、MP3一般只支持GB2312
從ASCII、GB2312、GBK到GB18030這些編碼方法是向下兼容的，即同一個字符在這些方案中總是有相同的編碼，後面標準支持更多的字符。在這些編碼中，英文和中文可以統一地處理，區分中文編碼的方法是高字節的最高位不爲0。有的中文Windows的缺省內碼還是GBK，可以通過GB18030包升級到GB18030。不過GB18030相對GBK增加的字符，普通人是很難用到，通常我們還是用GBK指代中文Windows內碼
3.Unicode、UCS和UTF
Unicode(至少以兩個字節表示，漢字是3個字節，英文字母是兩個字節)只與ASCII兼容(即ISO-8859-1兼容)與GB碼不兼容。Unicode是一種由國際組織設計的字符編碼方法，可容納全世界所有文字的編碼方案，學名是"Universal Multiple-Octet Coded Character Set"簡稱爲UCS。UCS可以看作是"Unicode Character Set"的縮寫
UCS只規定如何編碼，沒有規定如何傳輸、保存編碼。例如“漢”字的UCS編碼是6C49，可以用4個ascii數字來傳輸+保存這個編碼；也可用utf-8編碼:3個連續字節E6 B1 89來表示。關鍵在於通信雙方都認可。UTF-8、UTF-7、UTF-16都是被廣泛接受的方案，UTF-8的特別好處是它與ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的縮寫
4.內碼與code page
目前Windows內核已經採用Unicode編碼，這樣在內核上可以支持全世界所有語言文字。但是由於現有大量程序和文檔都採用某種特定語言編碼，例如GBK，Windows不可能不支持現有的編碼，而全部改用Unicode
Windows使用代碼頁(code page)來適應各個國家和地區。code page可以被理解爲前面提到的內碼。GBK對應的code page是CP936，GB18030 code page：CP54936。但由於GB18030有一部分4字節編碼，而Windows代碼頁只支持單字節和雙字節編碼，所以這個code page是無法真正使用的
5.UTF編碼
UTF-8就是以8位爲單元對UCS進行編碼。從UCS-2到UTF-8的編碼方式如下：
UCS-2編碼(16進制) UTF-8字節流(二進制)
0000-007F 0xxxxxxx 0080-07FF 110xxxxx 10xxxxxx 0800-FFFF 1110xxxx 10xxxxxx 10xxxxxx
https://blog.csdn.net/wanghuiqi2008/article/details/8079071
例如“漢”字Unicode編碼是6C49，6C49在0800-FFFF之間，所以要用3字節模板：1110xxxx 10xxxxxx 10xxxxxx。將6C49寫成二進制是：0110 110001 001001，用這個比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89
UTF-16以16位爲單元對UCS進行編碼。對於小於0x10000的UCS碼，UTF-16編碼就等於UCS碼對應的16位無符號整數。對於不小於0x10000的UCS碼，定義了一個算法。不過由於實際使用的UCS2，或UCS4的BMP必然小於0x10000，所以就目前而言，可以認爲UTF-16和UCS-2基本相同。但UCS-2只是一個編碼方案，UTF-16卻要用於實際的傳輸，所以就不得不考慮字節序的問題