字节是一个8位(bits)的物理存储单元。

字符是文化相关的符号。

ASCII（ANSI）

ASCII：American Standard Code for Information Interchange，美国信息互换标准代码。有时也称为ANSI。
这是一切的开端。

ASCII码随着第一台意义上的计算机一同诞生。

起初，它被编到了0~127，一共128个。包括33个控制字符和95个可打印字符。

后来计算机得到初步推广，一些国家的字符也请求加入ASCII。

ASCII最终被扩展到了256个——0~127的"先辈"，与128~255的扩展字符集，共同组成了它

DBCS

DBCS：Double Byte Charecter Set ，双字节字符集。
它服务于中华民族。
“一个汉字顶俩个英文字符"这个"圣经”，就来源于此。

GB2312

当计算机走向世界时，什么"美帝信息互换标准代码"，肯定满足不了世界人民的要求了。

于是，中国人毫不留情的将ASCII的127之后的扩展字符集砍掉。并且规定：

当两个大于127的字符连在一起时，就表示一个汉字（▲）。前面的字节称为高字节，后面的字节称为低字节。

不行，美帝的标点符号我们也不用！英文字母和阿拉伯数字都要本土化！>_<

于是，将0~127中的英文字母、数字、标点符号全部重新编码，看作一种特殊的汉字———改为双字节

因此，这种编码方式中，字母、数字、标点符号是两种形态共存的———这就是半角与全角

理解： GB2312是ASCII最早的中文扩展，但是只包含了6000多个常用字，不包括繁体字。

GBK

汉字文化博大精深，不像256的ASCII就能承载英文。GB2312标准还不够。

于是，又规定，只要第一个字节(高字节)是大于127的，不管第二位(低字节)，它们都会共同表示一个汉字（▲）。

理解： GBK包含了GB2312的所有字符，并新加入了20000个汉字及汉字符号。(☑ 完全兼容GB2312)

GB18030

中国是一个统一的多民族的国家。字符编码自然要带上少数民族的文字。

理解： GB18030又基本包含了GBK的所有字符。(☑ 基本兼容GBK)

(★) 重点理解的 ↓

GB2312→GBK→GB18030，是后者(兼容)包含前者的关系。变化当然不止这些。

GB2312和GBK都是双字节编码（其实是单双并存，毕竟0~127的ASCII部分天生单字节）

GB18030则是一二四字节变长编码（每种长度分别对应ASCII部分、GBK部分、新增部分）

于辚辚车声中，于瘦湖沙堤旁，于亭台烟雨里，于连亘江山上——中国悠久历史、深远文化、多元民族、蓬勃生命，已然瓜瓞绵延了千载暑寒春秋。

蔡候纸承载着的它们，递交给了千年后的我们。我们用电信号将这些信息永久的镌刻在了历史长卷上，寄放在了8比特的存储单元中，又递交给了无限的未来。

unicode

意为universal，是字符集的大一统者。

世界上国家与民族众多，如果每种语言都像DBCS那样无情的砍掉ASCII的一部分，并不断向后追加字符…这是一件可怕的事情

因而unicode应运而生。

unicode是一个字符集(Character set)。也仅仅是一个字符集。它实现了二进制代码(通常用16进制表示)与字符的一一对应。

即数字与字符双向唯一的映射。（★）

下面给出一句我们获取曾经奉为真理的话，现在我们要彻彻底底的推翻它：

对于unicode码，每个字母、数字、符号，甚至中文，全部都占两个字节。

unicode仅仅是一个字符集，仅仅提供映射关系。至于怎样编码，如何占用字节…这与unicode毫无关系。 记住，毫无关系。

因此，这句话的语境从根本上就是一个极其错误的认知。

事实上，在unicode字符集出现后的很长一段时间内，unicode的实现方式是极其混乱的——数字与字符的映射虽然已经统一，但这个数字如何分配字节去存储？读取的时候又如何知道几个字节对应一个字符呢？

这是与unicode字符集完全不同层次的概念：unicode的实现方式，也称为编码方案

unicode的实现方式

UTF-8

Unicode编码(十六进制)	UTF-8 字节流(二进制)
000000-00007F	0xxxxxxx
000080-0007FF	110xxxxx 10xxxxxx
000800-00FFFF	1110xxxx 10xxxxxx 10xxxxxx
010000-10FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

不难看出UTF-8编码的特点：对不同范围的字符使用不同长度的编码。这也被称之为字节变长编码。

UTF-8存储字符，也就是存储字符映射的数字时，可以是1， 2， 3， 4字节长度

一般来说，欧洲字符是1~2个字节，亚洲字符是3个字节，附加字符是4个字节

UCS-2

UCS-2中，所有字符都是严格的16位长度，也就是所有字符长度都为2字节

极具误导性的狭义unicode，就是指的unicode的UCS-2实现方式（▲注意）

UTF-16

UTF-16是UCS-2中缺少的附加字符的补充。也就是说，是UCS-2的严格父集。

UTF-16中的字符是严格的16位或32位，也就是说，UTF-16的字符长度为严格的2字节或4字节

还有一个常见的认知错误：

unicode码只能表示65536个字符

这个错误认知的可怕之处在于，与"unicode所有字符都是2字节"完成了惊人而荒唐的互洽：2^16 = 65536

首先，unicode只是个字符集，说它的字符都占2个字节本来就是根本的认知错误；另外，unicode可以映射的字符，也远远不止65536个：

Unicode 目前规划的总空间是17个平面（平面0至16），0x0000 至 0x10FFFF。每个平面有 65536 个码点。

17个平面中，基本多文种平面（Basic Multilingual Plane，BMP，也就是第0平面）最为常见与重要

BMP平面内的字符，用utf-8方式实现，则占1~3字节；用utf-16实现，则全部占2个字节；
超出BMP的部分(辅助平面的附加字符)，无论是utf-8还是utf-16，都是占4字节

【图文】有趣、通俗、严谨地解释ASCII、DBK、unicode、utf-8的区别（建议收藏）相关推荐

通俗说法+专业解释，载波聚合
通俗说法+专业解释,载波聚合那些事全明白发布时间:2016-05-19 13:36:30 来源:RF技术社区 (http://rf.eefocus.com) 标签:传输带宽载波聚合(CA)LTE频段 ...
字符编码笔记：ASCII，Unicode 和 UTF-8(转帖、留着自己学习）
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html 阮一峰的网络日志 » 首页 » 档案搜索上一篇:<新编 ...
ASCII，Unicode，UTF-8，GB2312一些关于编码的理解
2019独角兽企业重金招聘Python工程师标准>>> 字符编码:ASCII,Unicode,UTF-8,GB2312 从文件编码的方式来看,文件可分为ASCII码文件和二进制码文件 ...
万字超强图文讲解AQS以及ReentrantLock应用（建议收藏）
写在前面祝大家儿童节快乐????,保持童心,这篇文章作为儿童节礼物????送给大家.进入源码阶段了,写了十几篇的并发系列知识铺垫终于要派上用场了.相信很多人已经忘了其中的一些理论知识,别担心,我 ...
ASCII、Unicode、GBK、UTF-8之间的关系
一.ASCII编码目录一.ASCII编码二.GBK编码三.Unicode编码四.UTF-8编码五.Unicode和UTF-8之间的转换六.Little endian 和 Big endi ...
字符编码笔记：ASCII，Unicode和UTF-8(转载)
字符编码笔记:ASCII,Unicode和UTF-8 作者: 阮一峰日期: 2007年10月28日今天中午,我突然想搞清楚Unicode和UTF-8之间的关系,于是就开始在网上查资料. 结果,这个 ...
字符编码原理 ASCII，Unicode和UTF-8 - - ITeye技术网站
字符编码原理 ASCII,Unicode和UTF-8 - - ITeye技术网站字符编码原理 ASCII,Unicode和UTF-8 博客分类:coder加密与解密编码utf-8unicode原理 ...
ASCII与unicode的转换
不管什么时候,只要COM方法返回一个串,这个串都是Unicode串(这里指的是写入COM规范的所有方法).Unicode是一种字符编码集,类似ASCII,但用两个字节表示一个字符.如果你想更好地控制或 ...
❤️缓存集合（一级缓存、二级缓存、缓存原理以及自定义缓存—源码+图文分析，建议收藏） ❤️
❤️缓存集合(一级缓存.二级缓存.缓存原理以及自定义缓存-源码+图文分析,建议收藏) ❤️ 查询 : 连接数据库 ,耗资源!一次查询的结果,给他暂存在一个可以直接取到的地方!--> 内存 : 缓 ...

【图文】有趣、通俗、严谨地解释ASCII、DBK、unicode、utf-8的区别（建议收藏）