1,编码只是表示字符一种方式，字符还是那个字符，只不过其数值表示的不一样而已。字体、样式和用什么编码表示字符没有任何关系。不可能存在UTF-8达不到的效果。除非你处理字符串的方式有问题，例如后台程序写死了一个中文等于两个字节。或者你的css文件编码有问题。例如html用了UTF-8编码，而css文件用了GB编码，又没有用charset指定css的编码等等。而对于前台HTML来说，无论页面什么编码，JavaScript内建的字符串类型是UTF-16编码的，不存在任何问题。 UTF-8的编码是变长的，从1字节(兼容ASCII)到4字节不等。用UTF-8的好处是它能表示任意Unicode字符，而GBK/GB2312做不到，除了不能表示一些外国文字外，一些古老的中文(如康熙字典里的一些字)也不能表示，但在Unicode里就有。后来发展出的GB18030可以表示任意Unicode字符，也是变长编码，兼容GBK，最长4个字节。编码问题是很麻烦的事情，尤其是同一个系统中存在多种编码的情况。由于每种编码表示的字符范围有限，所以转码过程中有可能丢失字符信息。因此，如果你的程序着眼于全球市场，而不仅仅局限于中文用户，或者未来发展有这方面的需求，那么就应该坚持程序内部都使用同一种Unicode编码，如UTF-8，这样以后程序在国际化时就不会存在什么编码问题。

来源: http://news.csdn.net/n/20080509/115815.html

2,ISO-8859-1. 这套标准完全和ASCII兼容，它使用8位二进制表示一个字符 —---

刚好一个字节，其中最高位是0时的解释和ASCII一样，但最高位是1时则用于定义其它字符，这样就在保证和

ASCII兼容的同时又扩展了ASCII，可以多表示字符啦

在Java中，String的getBytes()方法就是对特定的字符串(unicode)按照给定的字符集进行编码(encode)，new String()则可以按照某个字符集将字节流转换回unicode(decode)之所以你会经常看到new String(text.getBytes("ISO-8859-1"),"GBK")这句代码，是因为一个GBK的字节流被错误地以ISO-8859- 1的方式转换为String(unicode)了！如果系统误以为是其它编码格式，就有可能再也转换不回来了，因为编码转换并不是负负得正那么简单的

4,ANSI和Unicode big endia:

我们在Windows系统中保存文本文件时通常可以选择编码为ANSI、Unicode、Unicode big endian

和UTF-8，这里的ANSI和Unicode big endia是什么编码呢?

Unicode、Unicode big endian和UTF-8编码的txt文件的开头会多出几个字节，分别是FF、FE(Unicode),FE、FF(Unicode

big endian),EF、BB、BF(UTF-8)

例如"联通",如果保存为Unicode,则hex为ff fe 54 80 la 90

如果保存为Unicode big endian,则hex为fe ff 80 54 90 la

也就是说,在windows里，所谓的Unicode其实是Unicode little endian

ANSI:

对于简体中文windows操作系统,ANSI就是GBK

UCS有两种格式：UCS-2和UCS-4。顾名思义，UCS-2就是用两个字节编码，UCS-4就是用4个字节(实际上只用了31位，最高位必须为0)编码

说UCS-4中，高两个字节为0的码位被称作BMP

将UCS-4的BMP去掉前面的两个零字节就得到了UCS-2。在UCS-2的两个字节前加上两个零字节，就得到了UCS-4的BMP。而目前的UCS-4规范中还没有任何字符被分配在BMP之外。

所以目前UNICODE=UCS-2

big endian和little endian

big endian和little endian是CPU处理多字节数的不同方式。例如“汉”字的Unicode编码是6C49。那么写到文件里时，究竟是将6C写在前面，还是将49写在前面？如果将6C写在前面，就是big

endian。如果将49写在前面，就是little endian。

“endian”这个词出自《格列佛游记》。小人国的内战就源于吃鸡蛋时是究竟从大头(Big-Endian)敲开还是从小头(Little-Endian)敲开，由此曾发生过六次叛乱，一个皇帝送了命，另一个丢了王位。

我们一般将endian翻译成“字节序”，将big endian和little endian称作“大尾”和“小尾”。

UTF编码

UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：UCS-2编码(16进制)UTF-8 字节流(二进制)

0000 - 007F0xxxxxxx

0080 - 07FF110xxxxx 10xxxxxx

0800 - FFFF1110xxxx 10xxxxxx 10xxxxxx

例如“汉”字的Unicode编码是6C49。6C49在0800-FFFF之间，所以肯定要用3字节模板了：1110xxxx

10xxxxxx 10xxxxxx。将6C49写成二进制是：0110

110001 001001， 用这个比特流依次代替模板中的x，得到：11100110 10110001

10001001，即E6 B1 89。

读者可以用记事本测试一下我们的编码是否正确。需要注意，UltraEdit在打开utf-8编码的文本文件时会自动转换为UTF-16，可能产生混淆。你可以在设置中关掉这个选项。更好的工具是Hex

Workshop。

UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码，UTF-16编码就等于UCS码对应的16位无符号整数。对于不

小于0x10000的UCS码，定义了一个算法。不过由于实际使用的UCS2，或者UCS4的BMP必然小于0x10000，所以就目前而言，可以认为

UTF-16(确切的说，是utf16-BE)和UCS-2(也就是我们通常所说的UNICODE)基本相同。但UCS-2只是一个编码方案，UTF-16却要用于实际的传输，所以就不得不考虑字节序的问题。

UTF的字节序和BOM

UTF-8以字节为编码单元，没有字节序的问题。UTF-16以两个字节为编码单元，在解释一个UTF-16文本前，首先要弄清楚每个编码单元的字

节序。例如“奎”的Unicode编码是594E，“乙”的Unicode编码是4E59。如果我们收到UTF-16字节流“594E”，那么这是“奎”

还是“乙”？

Unicode规范中推荐的标记字节顺序的方法是BOM。BOM不是“Bill Of Material”的BOM表，而是Byte Order Mark。BOM是一个有点小聪明的想法：

在UCS编码中有一个叫做"ZERO WIDTH NO-BREAK SPACE"的字符，它的编码是FEFF。而FFFE在UCS中是不存在的字符，所以不应该出现在实际传输中。UCS规范建议我们在传输字节流前，先传输字符"ZERO

WIDTH NO-BREAK SPACE"。

这样如果接收者收到FEFF，就表明这个字节流是Big-Endian的；如果收到FFFE，就表明这个字节流是Little-Endian的。因此字符"ZERO

WIDTH NO-BREAK SPACE"又被称作BOM。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF

BB BF(读者可以用我们前面介绍的编码方法验证一下)。所以如果接收者收到以EF BB BF开头的字节流，就知道这是UTF-8编码了。

Windows就是使用BOM来标记文本文件的编码方式的。UTF-8 是 1-4 字节变长编码方案；

JVM用的是UCS-2

String其实是由char拼起来的,对char进行int后得到的数字就是unicode码16进制换算后的值

例如

char   int    Unicode

1      49     0031

中    20013   4e2d

国    22269   56fd

Integer.toHexString((int)str.charAt(i))

Windows的内码也是Unicode

从http://www.fmddlmyy.cn/text6.html受益良多。

6,http://www.javaeye.com/topic/398782比较形象,

提到一个很著名的奇怪现象：当你在 windows 的记事本里新建一个文件，输入"联通"两个字之后，保存，关闭，然后再次打开，你会发现这两个字已经消失了，代之的是几个乱码！

但有错误

UTF应该是UCS Transformation Format，其中的T不是Transfer

7,

ASCII码表

ISO-8859-1收录的字符除ASCII收录的字符外，还包括一些其他语言的文字符号和一些控制字符。欧元符号出现的比较晚，没有被收录在ISO-8859-1当中。

因为ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的字节流都不会被抛弃。换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。这是个很重要的特性，MySQL数据库默认编码是Latin1就是利用了这个特性。Latin1是ISO-8859-1的别名

法语及芬兰语本来也使用ISO/IEC 8859-1来表示。但因它没有法语使用的 œ、Œ、 Ÿ 三个字母及芬兰语使用的 Š、š、Ž、ž ，故于1998年被ISO/IEC 8859-15所取代。(ISO 8859-15同时加入了欧元符号)

http://blog.cathayan.org/item/1765

http://hedong.3322.org/archives/000355.html