漢字編碼知識點
ASCII碼是西歐編碼的方式，採取7位編碼，所以是2^7=128,共可以表示128個自負，包括34個字符，（如換行LF，回車CR等），其餘94位爲英文字母和標點符號及運算符號等。在計算機中，一個ASCII碼佔8位，最高位（bit7）用作奇偶校驗。奇校驗規則：正確的代碼一個字節中1的個數必須是奇數，若非奇數，則在最高位b7補一個1；偶校驗規則：正確的代碼一個字節中1的個數必須是偶數，若非偶數，則在最高位b7補一個1。
爲了識別雙字節的字符，比如漢字或日文韓文等都是佔用2個字節的，每字節高位爲1,而一般細紋字符只有一個字節，七位有效編碼，高位爲補位用，通常是0.漢字編碼格式通常稱爲10格式，一個漢字佔2個字節，但只表示一個字符。
一、GB2312編碼
GB2312共收錄了6763個漢字，其中一級漢字3755個，二級漢字3008個，這裏的一級漢字和二級漢字是根據編碼的區位來區分的；另外，還收錄了包括拉丁字母、希臘字母、日文平假名及片假名字母、俄羅斯語西裏爾字母在內的682個全形字符。
GB2312區位碼：
GB2312對所收漢字進行了”區分“處理，美區含有94個漢字/符號。這種表示方式也稱爲區位碼。
（1）01-09區爲特殊符號
（2）16-55區爲一級漢字，按拼音排序
（3）56-87區爲二級漢字，按部首/筆畫排序
（4）10-15區及88-94區則未有編碼
舉例來說，“啊”字是GB2312之中的第一個漢字，它的區位碼就是1601。字節編碼，通常採用EUC儲存方法，以便兼容於ASCII。每個漢字及符號以兩個字節來表示。 第一個字節稱爲“高位字節”，第二個字節稱爲“低位字節”。 “高位字節”使用了0xA1-0xF7(把01-87區的區號加上0xA0)，“低位字節”使用了0xA1-0xFE(把01-94加上0xA0)。例如“啊”字在大多數程序中，會以0xB0A1儲存（與區位碼對比：0xB0=0xA0+16,0xA1=0xA0+1）。
所以GB2312編碼中漢字區碼的十進制是從176到247，位碼是從161到255.之所以存儲了6763小於82*94=6768，是因爲在區碼爲215，位碼爲250-254之間共五個編碼沒有漢字編碼，所以6768-5=6763個。 其編碼範圍：A1A1－FEFE，其中漢字的編碼範圍爲B0A1(十進制283159)-F7FE（十進制406662），第一字節0xB0-0xF7（對應區號：16－87），第二個字節0xA1-0xFE（對應位號：01－94）。
GB2312編碼規則:
(1)2字節編碼，高位爲0xA1-0xF7，低位爲0xA1-0xFE
(2)漢字區域，高位爲0xB0-0xF7，低位爲0xA1-0xFE
(3)特殊符號，高位爲0xA1-0xA9，低位爲0xA1-0xFE
二、GBK編碼
GB2312是中國規定的漢字編碼，也可以說是簡體中文的字符集編碼；而GBK是GB2312的擴展，除了兼容GB2312外，還包括了繁體中文和日文的假名等。
GBK簡體字符集的編碼同時使用1個字節和2個字節，當高位是0x00~0x7f時，爲一個字節，高位爲0x80以上時用2個字節表示。當發現一個字節的內容大於0x7f時，那它肯定是個漢字（跟另一個字節拼湊成一個漢字），0x7f（01111111）接下來的數就是0x80(10000000），所以想要大於0x7f，這個字節的最高位都肯定是1,我們之需要判斷這個最高位是否爲1就行了。例如：a的ASCII碼是97(01100001），A的ASCII碼是65(01000001）.
三、Unicode編碼
Unicode是由國際組織設計的一種字符編碼方法，可以容納全世界所有語言文字的編碼方案。Unicode的學名叫”UniversalMultipleOctetCoded Character Set“，簡稱爲UCS。Unicode規定了如何編碼，但是沒有規定如何傳輸、保存這個編碼。例如”漢“字的UCS編碼是6C49,我們可以用4個ASCII數字來傳輸、保存這個編碼；也可以使用utf-8編碼，3個連續的字節E6B189來表示他。關鍵在於通信雙方都要認可。UTF-8、UTF-7、UTF-16都是被廣泛接受的方案。UTF-8的一個特別好友是它與ISO-8859-1完全兼容。UTF是”UCSTransformation Format“的縮寫。
UTF-8是Unicode的一種實現方式，也就是它的字節結構有特殊要求，所以我們說一個漢字的範圍是0X4E00到0x9FA5，是指unicode值，至於放在utf-8的編碼裏去就是由三個字節來組織，所以可以看出unicode是給出一個字符的範圍，定義了這個字是碼值是多少，至於具體的實現方式可以有多種多樣來實現。對於某一個字符的UTF-8編碼，如果只有一個字節則其最高二進制位爲0；如果是多字節，其第一個字節從最高位開始，連續的二進制位值爲1的個數決定了其編碼的位數，其餘各字節均以10開頭。UTF-8最多可用到6個字節。
漢字的unicode範圍是：0x4E00~0x9FA5，UTF-8有點類似於Haffman編碼，是一種變長的編碼方式，儘可能的縮短編碼後的字節數大小，它將Unicode編碼爲：
0x00-0x7F的字符，用單個字節來表示；
0x80-0x7FF的字符用兩個字節表示；
0x800-0xFFFF的字符用3字節表示；
一直持續到6個字節，依次類推。
Unicode符號範圍 | UTF-8編碼方式
(十六進制) | （二進制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx10xxxxxx
0000 0800-0000 FFFF | 1110xxxx10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx10xxxxxx 10xxxxxx 10xxxxxx
如：“嚴”的unicode編碼是4E25(100111000100101），根據上表，可以發現4E25處在第三行的範圍內（00000800-0000 FFFF），因此“嚴”的UTF-8編碼需要三個字節，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然後，從“嚴”的最後一個二進制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，“嚴”的UTF-8編碼是“1110010010111000 10100101”，轉換成十六進制就是E4B8A5。
所以當我們需要在GB2312、GBK等和UTF-8之間轉換時，必須依賴Unicode碼才能實現。
GB2312、GBK-----Unicode-----UTF-8
UTF-8-------Unicode-----GB2312、GBK
參考資料：
（1）漢字Unicode大全：http://mall.webcrow.jp/
