常用编码：Shift_JIS, GBK,EUCKR,Big5,UTF8,CP1252

https://blog.csdn.net/hellofeiya/article/details/8441812

(1) Shift_JIS

Shift_JIS是一个日本电脑系统常用的编码表。它能容纳全角及半角拉丁字母、平假名、片假名、符号及日语汉字。

它被命名为Shift_JIS的原因，是它在放置全角字符时，要避开原本在0xA1-0xDF放置的半角假名字符。

在微软及IBM的日语电脑系统中，即使用了这个编码表。这个编码表称为CP932。

[编辑]字节结构

以下字符在Shift_JIS使用一个字节来表示。

ASCII字符 (0x20-0x7E)，但“\”被“¥”取代

ASCII控制字符（0x00-0x1F、0x7F）

JIS X 0201标准内的半角标点及片假名（0xA1-0xDF）

在部分操作系统中，0xA0用来放置“不换行空格”。

以下字符在Shift_JIS使用两个字节来表示。

JIS X 0208字集的所有字符

“第一位字节”使用0x81-0x9F、0xE0-0xEF（共47个）

“第二位字节”使用0x40-0x7E、0x80-0xFC（共188个）

使用者定义区

“第一位字节”使用0xF0-0xFC（共13个）

“第二位字节”使用0x40-0x7E、0x80-0xFC（共188个）

在Shift_JIS编码表中，并未使用0xFD、0xFE及0xFF。

在微软及IBM的日语电脑系统中，在0xFA、0xFB及0xFC的两字节区域，加入了388个JIS X 0208没有收录的符号和汉字。

[编辑]Shift_JIS编码表

Shift_JIS
	x0	x1	x2	x3	x4	x5	x6	x7	x8	x9	xA	xB	xC	xD	xE	xF
0x	NUL	SOH	STX	ETX	EOT	ENQ	ACK	BEL	BS	HT	LF	VT	FF	CR	SO	SI
1x	DLE	DC1	DC2	DC3	DC4	NAK	SYN	ETB	CAN	EM	SUB	ESC	FS	GS	RS	US
2x	SP	!	"	#	$	%	&	'	(	)	*	+	,	-	.	/
3x	0	1	2	3	4	5	6	7	8	9	:	;	<	=	>	?
4x	@	A	B	C	D	E	F	G	H	I	J	K	L	M	N	O
5x	P	Q	R	S	T	U	V	W	X	Y	Z	[	¥	]	^	_
6x	`	a	b	c	d	e	f	g	h	i	j	k	l	m	n	o
7x	p	q	r	s	t	u	v	w	x	y	z	{	\|	}	‾	DEL
8x
9x
Ax		｡	“	”	､	･	ｦ	ｧ	ｨ	ｩ	ｪ	ｫ	ｬ	ｭ	ｮ	ｯ
Bx	ｰ	ｱ	ｲ	ｳ	ｴ	ｵ	ｶ	ｷ	ｸ	ｹ	ｺ	ｻ	ｼ	ｽ	ｾ	ｿ
Cx	ﾀ	ﾁ	ﾂ	ﾃ	ﾄ	ﾅ	ﾆ	ﾇ	ﾈ	ﾉ	ﾊ	ﾋ	ﾌ	ﾍ	ﾎ	ﾏ
Dx	ﾐ	ﾑ	ﾒ	ﾓ	ﾔ	ﾕ	ﾖ	ﾗ	ﾘ	ﾙ	ﾚ	ﾛ	ﾜ	ﾝ	ﾞ	ﾟ
Ex
Fx

上图粉红色为JIS X 0207定义的控制字符；浅蓝色为JIS X 0201一字节符号的所在范围；紫色为JIS X 0208两字节汉字和全角符号的所在范围；黄色为JIS X 0201以“¥”替换了“\”、以“‾”替换了“~”；绿色为未编码。

[编辑]JIS转换方法

由JIS X 0208转换至Shift_JIS的方法：

是奇数

是偶数

[编辑]参看

ASCII
JIS X 0201
JIS X 0208
ISO/IEC 2022
EUC
日本工业标准（JIS, Japan Industrial Standard）

[编辑]外部链接

微软CP932编码表
Ping: Japanese text encoding
Shift_JIS中，非ASCII部分的编码表
Shift_JIS的发展

显示▼隐藏▲ 查 ·论 ·编字符编码

字符集

早期电信	ASCII ISO/IEC 646 ISO/IEC 6937 T.61 sixbit code pages Baudot code 摩斯电码中文电码

ISO/IEC 8859	-1 -2 -3 -4 -5 -6 -7 -8 -9 -10 -11 -12 -13 -14 -15 -16

书目使用	ANSEL ISO 5426 /5426-2 / 5427 / 5428 / 6438 /6861 / 6862 / 10585 / 10586 / 10754 / 11822 MARC-8

国家标准	ArmSCII CNS 11643 GOST 10859 GB 2312 HKSCS ISCII JIS X 0201 JIS X 0208 JIS X 0212 JIS X 0213 KPS 9566 KS X 1001 PASCII TIS-620 TSCII VISCII YUSCII

EUC	CN JP KR TW

ISO/IEC 2022	CN JP KR CCCII

MacOS代码页（“脚本”）	阿拉伯语中欧简体中文 / EUC-CN 繁体中文 / Big5 克罗地亚语西里尔文梵文 Dingbats 波斯语希腊语古吉拉特语古木基文希伯来语冰岛文日文 / ShiftJIS 韩文 / EUC-KR 罗马文罗马尼亚语符号泰文 / TIS-620 土耳其语乌克兰文

DOS代码页	437 720 737 775 850 852 855 857 858 860 861 862 863 864 865 866 869 Kamenický Mazovia MIK Iran System

Windows代码页	874 /TIS-620 932 /ShiftJIS 936 /GBK 949 /EUC-KR 950 /Big5 1250 1251 1252 1253 1254 1255 1256 1257 1258 1361 54936 /GB18030

EBCDIC代码页	37/1140 273/1141 277/1142 278/1143 280/1144 284/1145 285/1146 297/1147 420/16804 424/12712 500/1148 838/1160 871/1149 875/9067 930/1390 933/1364 937/1371 935/1388 939/1399 1025/1154 1026/1155 1047/924 1112/1156 1122/1157 1123/1158 1130/1164 JEF KEIS

特定平台	ATASCII CDC display code DEC-MCS DEC Radix-50 Fieldata GSM 03.38 HP roman8 PETSCII TI calculator character sets WISCII ZX Spectrum character set

Unicode /ISO/IEC 10646	UTF-8 UTF-16/UCS-2 UTF-32/UCS-4 UTF-7 UTF-1 UTF-EBCDIC GB 18030 SCSU BOCU-1

杂项代码页	APL Cork HZ IBM code page 1133 KOI8 TRON

相关主题	控制字符 (C0 C1) CCSID HTML字符编码字符集探测中日韩越统一表意文字 ISO 6429/IEC 6429/ANSI X3.64 乱码

(2) GBK

GBK是汉字编码标准之一，全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code Specification）.

我们经常使用各种编码标准的汉字，编码到底是什么呢？所谓编码，是以固定的顺序排列字符，并以此做为记录、存贮、传递、交换的统一内部特征，这个字符排列顺序被称为“编码”。和中文字库有关的编码标准有：国标GB码、GBK码、港台BIG-5码等，不同编码的汉字字库都与汉字的应用有密切关系。

　　很多人在使用过程中，发现字不够用，因为目前大家使用的主要是GB编码字库，此编码标准只收录了6763个常用汉字，而GB字库以外大量汉字，只能通过方正女娲补字软件拼字或其它造字程序补字。尽管补出的汉字在字形上满足需要，但在字体风格、大小、结构方面难以协调统一，而采用手工贴图的方式补字，更不雅观。进而言之，如果用户建立信息系统，或需要查询新闻、出版内容时，靠补字是无法实现的。方正开发的GBK字库，将极大地缓解缺字现象。

　　从GB字库扩充到GBK字库，增加了1万4千多字。北大方正从1996年投入大量人力，开始做黑、宋、仿、楷GBK字库，并于1998年4月成为第一家通过国家权威部门组织的GBK字库鉴定的专业厂商。到现在为止，北大方正已将全部字体转换成GBK字库，共46款，其中18款字数达21003个，是拥有GBK字库款数最多的厂商。

　　ISO 10646 是一个包括世界上各种语言的书面形式以及附加符号的编码体系。其中的汉字部分称为“CJK 统一汉字”（C 指中国，J 指日本，K 指朝鲜）。而其中的中国部分，包括了源自中国大陆的 GB 2312、GB 12345、《现代汉语通用字表》等法定标准的汉字和符号，以及源自台湾的 CNS 11643 标准中第 1、2 字面（基本等同于 BIG-5 编码）、第 14 字面的汉字和符号。

(3) EUCKR

朝鲜语编码

(4) Big-5

BIG-5码是通行于台湾、香港地区的一个繁体字编码方案，俗称“大五码”。地区标准号为：CNS11643，这就是人们讲的BIG-5码。

大五码（Big5），又称为五大码，是使用繁体中文社群中最常用的电脑汉字字符集标准，共收录13,060个中文字，其中有二字为重覆编码，Big5属中文内码（中文码分为中文内码及中文交换码两类）。Big5虽普及于中国的台湾、香港与澳门等繁体中文通行区，但长期以来并非当地的国家标准，而只是业界标准（de facto standard）。倚天中文系统、Windows等主要系统的字符集都是以Big5为基准，但厂商又各自增删，衍生成多种不同版本。

(5) UTF8

UTF-8是UNICODE的一种变长字符编码又称万国码，由Ken Thompson于1992年创建。现在已经标准化为RFC 3629。UTF-8用1到6个字节编码UNICODE字符。用在网页上可以同一页面显示中文简体繁体及其它语言.

如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符。 UTF-8转换表表示如下：

UNICODE	bit数	UTF-8	byte数	备注
0000 0000 ~ 0000 007F	0~7	0XXX XXXX	1
0000 0080 ~ 0000 07FF	8~11	110X XXXX 10XX XXXX	2
0000 0800 ~ 0000 FFFF	12~16	1110 XXXX 10XX XXXX 10XX XXXX	3	基本定义范围：0~FFFF
0001 0000 ~ 001F FFFF	17~21	1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX	4	Unicode6.1定义范围：0~10 FFFF
0020 0000 ~ 03FF FFFF	22~26	1111 10XX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	5
0400 0000 ~ 7FFF FFFF	27~31	1111 110X 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	6

实际表示ASCII 字符的UNICODE字符，将会编码成1个字节，并且UTF-8表示与ASCII字符表示是一样的。所有其他的UNICODE 字符转化成UTF-8将需要至少2个字节。每个字节由一个换码序列开始。第一个字节由唯一的换码序列，由n位连续的1加一位0组成, 首字节连续的1的个数表示字符编码所需的字节数。

　　示例

　　UNICODE uCA(11001010) 编码成UTF-8将需要2个字节：

　　uCA -> C3 8A

　　UNICODE uF03F (11110000 00111111) 编码成UTF-8将需要3个字节:

　　u F03F -> EF 80 BF

Unicode 16进制	Unicode 2进制	bit数	UTF-8 2进制	UTF-8 16进制
CA	1100 1010	8	1100 0011 1000 1010	C3 8A
F0 3F	1111 0000 0011 1111	16	1110 1111 1000 0000 1011 1111	EF 80 BF

(6) cp1252

Eclipse的default编码是cp1252.

以下是所有编码说明：

armscii8 (ARMSCII-8 Armenian)
armscii8_bin	亚美尼亚语, 二进制
armscii8_general_ci	亚美尼亚语, 不区分大小写
ascii (US ASCII)
ascii_bin	西欧 (多语言), 二进制
ascii_general_ci	西欧 (多语言), 不区分大小写
big5 (Big5 Traditional Chinese)
big5_bin	繁体中文, 二进制
big5_chinese_ci	繁体中文, 不区分大小写
binary (Binary pseudo charset)
binary	二进制
cp1250 (Windows Central European)
cp1250_bin	中欧 (多语言), 二进制
cp1250_croatian_ci	克罗地亚语, 不区分大小写
cp1250_czech_cs	捷克语, 区分大小写
cp1250_general_ci	中欧 (多语言), 不区分大小写
cp1251 (Windows Cyrillic)
cp1251_bin	西里尔语 (多语言), 二进制
cp1251_bulgarian_ci	保加利亚语, 不区分大小写
cp1251_general_ci	西里尔语 (多语言), 不区分大小写
cp1251_general_cs	西里尔语 (多语言), 区分大小写
cp1251_ukrainian_ci	乌克兰语, 不区分大小写
cp1256 (Windows Arabic)
cp1256_bin	阿拉伯语, 二进制
cp1256_general_ci	阿拉伯语, 不区分大小写
cp1257 (Windows Baltic)
cp1257_bin	巴拉克语 (多语言), 二进制
cp1257_general_ci	巴拉克语 (多语言), 不区分大小写
cp1257_lithuanian_ci	立陶宛语, 不区分大小写
cp850 (DOS West European)
cp850_bin	西欧 (多语言), 二进制
cp850_general_ci	西欧 (多语言), 不区分大小写
cp852 (DOS Central European)
cp852_bin	中欧 (多语言), 二进制
cp852_general_ci	中欧 (多语言), 不区分大小写
cp866 (DOS Russian)
cp866_bin	俄语, 二进制
cp866_general_ci	俄语, 不区分大小写
cp932 (SJIS for Windows Japanese)
cp932_bin	日语, 二进制
cp932_japanese_ci	日语, 不区分大小写
dec8 (DEC West European)
dec8_bin	西欧 (多语言), 二进制
dec8_swedish_ci	瑞典语, 不区分大小写
euckr (EUC-KR Korean)
euckr_bin	朝鲜语, 二进制
euckr_korean_ci	朝鲜语, 不区分大小写
gb2312 (GB2312 Simplified Chinese)
gb2312_bin	简体中文, 二进制
gb2312_chinese_ci	简体中文, 不区分大小写
gbk (GBK Simplified Chinese)
gbk_bin	简体中文, 二进制
gbk_chinese_ci	简体中文, 不区分大小写
geostd8 (GEOSTD8 Georgian)
geostd8_bin	乔治亚语, 二进制
geostd8_general_ci	乔治亚语, 不区分大小写
greek (ISO 8859-7 Greek)
greek_bin	希腊语, 二进制
greek_general_ci	希腊语, 不区分大小写
hebrew (ISO 8859-8 Hebrew)
hebrew_bin	希伯来语, 二进制
hebrew_general_ci	希伯来语, 不区分大小写
hp8 (HP West European)
hp8_bin	西欧 (多语言), 二进制
hp8_english_ci	英语, 不区分大小写
keybcs2 (DOS Kamenicky Czech-Slovak)
keybcs2_bin	捷克斯洛伐克语, 二进制
keybcs2_general_ci	捷克斯洛伐克语, 不区分大小写
koi8r (KOI8-R Relcom Russian)
koi8r_bin	俄语, 二进制
koi8r_general_ci	俄语, 不区分大小写
koi8u (KOI8-U Ukrainian)
koi8u_bin	乌克兰语, 二进制
koi8u_general_ci	乌克兰语, 不区分大小写
latin1 (cp1252 West European)
latin1_bin	西欧 (多语言), 二进制
latin1_danish_ci	丹麦语, 不区分大小写
latin1_general_ci	西欧 (多语言), 不区分大小写
latin1_general_cs	西欧 (多语言), 区分大小写
latin1_german1_ci	德语 (字典), 不区分大小写
latin1_german2_ci	德语 (电话本), 不区分大小写
latin1_spanish_ci	西班牙语, 不区分大小写
latin1_swedish_ci	瑞典语, 不区分大小写

latin2 (ISO 8859-2 Central European)
latin2_bin	中欧 (多语言), 二进制
latin2_croatian_ci	克罗地亚语, 不区分大小写
latin2_czech_cs	捷克语, 区分大小写
latin2_general_ci	中欧 (多语言), 不区分大小写
latin2_hungarian_ci	匈牙利语, 不区分大小写
latin5 (ISO 8859-9 Turkish)
latin5_bin	土耳其语, 二进制
latin5_turkish_ci	土耳其语, 不区分大小写
latin7 (ISO 8859-13 Baltic)
latin7_bin	巴拉克语 (多语言), 二进制
latin7_estonian_cs	爱沙尼亚语, 区分大小写
latin7_general_ci	巴拉克语 (多语言), 不区分大小写
latin7_general_cs	巴拉克语 (多语言), 区分大小写
macce (Mac Central European)
macce_bin	中欧 (多语言), 二进制
macce_general_ci	中欧 (多语言), 不区分大小写
macroman (Mac West European)
macroman_bin	西欧 (多语言), 二进制
macroman_general_ci	西欧 (多语言), 不区分大小写
sjis (Shift-JIS Japanese)
sjis_bin	日语, 二进制
sjis_japanese_ci	日语, 不区分大小写
swe7 (7bit Swedish)
swe7_bin	瑞典语, 二进制
swe7_swedish_ci	瑞典语, 不区分大小写
tis620 (TIS620 Thai)
tis620_bin	泰语, 二进制
tis620_thai_ci	泰语, 不区分大小写
ucs2 (UCS-2 Unicode)
ucs2_bin	Unicode (多语言), 二进制
ucs2_czech_ci	捷克语, 不区分大小写
ucs2_danish_ci	丹麦语, 不区分大小写
ucs2_estonian_ci	爱沙尼亚语, 不区分大小写
ucs2_general_ci	Unicode (多语言), 不区分大小写
ucs2_icelandic_ci	冰岛语, 不区分大小写
ucs2_latvian_ci	拉脱维亚语, 不区分大小写
ucs2_lithuanian_ci	立陶宛语, 不区分大小写
ucs2_persian_ci	波斯语, 不区分大小写
ucs2_polish_ci	波兰语, 不区分大小写
ucs2_roman_ci	西欧, 不区分大小写
ucs2_romanian_ci	罗马尼亚语, 不区分大小写
ucs2_slovak_ci	斯洛伐克语, 不区分大小写
ucs2_slovenian_ci	斯洛文尼亚语, 不区分大小写
ucs2_spanish2_ci	传统西班牙语, 不区分大小写
ucs2_spanish_ci	西班牙语, 不区分大小写
ucs2_swedish_ci	瑞典语, 不区分大小写
ucs2_turkish_ci	土耳其语, 不区分大小写
ucs2_unicode_ci	Unicode (多语言), 不区分大小写
ujis (EUC-JP Japanese)
ujis_bin	日语, 二进制
ujis_japanese_ci	日语, 不区分大小写
utf8 (UTF-8 Unicode)
utf8_bin	Unicode (多语言), 二进制
utf8_czech_ci	捷克语, 不区分大小写
utf8_danish_ci	丹麦语, 不区分大小写
utf8_estonian_ci	爱沙尼亚语, 不区分大小写
utf8_general_ci	Unicode (多语言), 不区分大小写
utf8_icelandic_ci	冰岛语, 不区分大小写
utf8_latvian_ci	拉脱维亚语, 不区分大小写
utf8_lithuanian_ci	立陶宛语, 不区分大小写
utf8_persian_ci	波斯语, 不区分大小写
utf8_polish_ci	波兰语, 不区分大小写
utf8_roman_ci	西欧, 不区分大小写
utf8_romanian_ci	罗马尼亚语, 不区分大小写
utf8_slovak_ci	斯洛伐克语, 不区分大小写
utf8_slovenian_ci	斯洛文尼亚语, 不区分大小写
utf8_spanish2_ci	传统西班牙语, 不区分大小写
utf8_spanish_ci	西班牙语, 不区分大小写
utf8_swedish_ci	瑞典语, 不区分大小写
utf8_turkish_ci	土耳其语, 不区分大小写
utf8_unicode_ci	Unicode (多语言), 不区分大小写