编码集

1. ASCII编码：

127个字母 支持0x7F的8个数据位足以存储字母、数字和符号。

2. GB2312编码

每个汉字占据2个字节（高和低）和16个数据。GB2312是ASCII的中文扩展，包括7000多个汉字。它是计算机发展到中国后发展起来的编码。它检测到高和低。如果同时大于0x7F，则视为GB2312，否则视为ASCII编码。

相关推荐:Python视频教程

3. GBK(1995)和GB18030(2005/2000)

由于汉字数量过多，GB2312无法满足需求，每个汉字占据两个字节。GBK包括GB2312的所有内容，

增加了近2万个新汉字(包括繁体)和符号 。中文只要求高位大于0x7F，低位可以小于0x7F。

> 继GB2312-1980之后，国家标准GB18030-2000“信息交换用汉字编码字符集基本集的补充”

GB13000-1993之后最重要的汉字编码标准，包括中国多种少数民族文字，其中收入超过7万个。

4.Unicode编码

> 定长存储, 将所有语言统一到一套编码集中，通常使用2个字节，有些是4个字节。它被完整地包含在内。

分为17个面，基本面采用2个字节，普通中文子也在基本面，另外16个面为4个字节。

不兼容ASCII码，即存储时，在ASCII码前补0，导致存储数据增加。

５. utf-8---变长存储

> 国际标准组织(ISO)使用一个字节制作英文字符，遵循原始ASCII码。

> 用1~4个字节表示一个符号，用3个字节存储中文(ascii码中的内容用1个字节保存，用2个字节保存欧洲字符，用3个字节保存东亚字符，用4个字节保存特殊符号)

> Unicode是内存代码表示方案(规范)，Utf-8是如何保存和传输Unicode方案(实现)的

> 优点：虽然内存总结的数据是Unicode，但当数据保存到磁盘或用于网络传输时，UTF-8将节省更多的流量和硬盘空间。

如何判断几个字节表示一个字符：

每个字节添加识别位置，其中高识别位置为4位，低识别位置为2位。判断高字节开头有多少个1，可以确定有多少个字节来表示一个字符。

６. utf-8与Unicode对应关系

utf-去掉识别位，变成unicode。