浅谈字符编码（二）- 常见编码
·ASCII和ISO 8859-1
·ISO 8859-1就比较简单了，我们知道ASCII码是从0x00到0x7F，也就是还有1位没有用到，ISO 8859-1就是在空置的0xA0-0xFF的范围内，加入192个字母及符号，藉以供使用变音符号的拉丁字母语言使用。所以ISO 8859-1又称Latin-1。
·GB2312、GBK和 GB18030
·简单来讲，这三者是这样一个关系：GB2312扩展便成了GBK,GBK扩展便成了GB18030。后者都对前者兼容。
·GB2312：
·采用2个字节。简体字的编码规范，也包括其他的符号、字母、日文假名等，共7445个图形字符，其中汉字占6763个
·GBK：
·采用了2个字节。GB2312明显收录的汉字不够，于是增加了大量不常用汉字，还加入了几乎所有的Big5中的繁体汉字之后便成了GBK。
·GB18030：
·与前两者不同，采用了变长的编码方式，有1、2、4个字节的编码长度。
·1个字节编码与ASCII兼容
·2个字节编码与GBK兼容
·4个字节主要是收录了少数民族的文字等。
·GB18030诞生的原因类似于GBK，就是增加了大量的汉字，多收录了藏文、蒙文、维吾尔文等主要的少数民族文字。 GB18030现在是国家非手持/非嵌入式设备的强制性标准。
·但是GB18030与前者不同的是，所有的Unicode编码都可以转换为GB18030,而且GB18030除了兼容GBK以及Unicode的BMP部分外，其余的Unicode扩展平面和它的4字节扩展平面都是简单直接的映射
·其具体映射关系的计算参见《GB18030编码研究以及GBK、GB18030与Unicode的映射》：[http://blog.csdn.net/fmddlmyy/archive/2008/04/13/2288312.aspx]
·GB2312、GBK的编码范围如下：
-----------------------------
名称 第一字节 第二字节
GB2312 0xA1-0xF7(161-247) 0xA1-0xFE（161-254）
GBK 0x81-0xFE（129-254） 0x40-0xFE（64-254）
-----------------------------
·GB18030编码范围如下：
-----------------------------
字节数 码位空间
单字节 0x00~0x7F (0-127)
双字节 第一字节在0x81~0xFE （129-254）
第二字节在0x40~0x7E，0×80至0×FE（64-126），（128-254）
四字节 第一字节在0x81~0xFE之间 （129-254）
第二字节在0x30~0x39之间 （48-57）
第三字节在0x81~0xFE之间 （129-254）
第四字节在0x30~0x39之间 （48-57）
-----------------------------
·Unicode
·Unicode 字符集收录了这世界上所有的文字符号和特殊符号。对于每一个符号都定义了一个值，称为代码点（code point）。代码点可以用2个字节表示(UCS-2)，也可以用4个字节（UCS-4编码）。
·UTF系列
·为什么出现UTF编码:
·UCS编码虽然定义了每个代码点的编码方式，但是没规定如何传输和存储。比如，在UCS-2码中，英文符号是在ACSII码的前面加上一个0 byte，像"A"的ASCII码 0x41，在UCS码中就是0x0041，这样，对于英文系统来讲会出现大量的0 byte，造成不必要的浪费。而且容易存在对现在ASCII码不兼容的问题。所以这个重担就落在了UTF编码身上，全称是Unicode Transformation Format。
·什么是Endian:
·我们知道"中"字的UFT-16编码是0x4E，0x2D，但是传输存储的过程中，字节的顺序有可能是(0x4E，0x2D)，也可能是 (0x2D，0x4E)，这就是涉及一个字节序的问题。对于前一种，我们称为Big Endian（大尾，也就是高位在前），而后一总称为Little Endian（小尾，低位在前）。
·那我们如何知道在不清楚哪一"尾"的情况下进行解析？
·先人已有解决的办法，就是在最前面加多2个字节，OxFEFF表示BE，而0xFFFE表示LE。（注：OxFEFF是实际上不存在的字符，所以正常情况下是不会使用到的，所以，不用担心出现与正常的字符数据冲突的问题），这就是所谓的BOM(Bill Of Material)。
·UTF系列都存在LE,BE,BOM,无BOM几种版本。
· 比如"中国"的各个版本UTF-16字符编码如下：
------------------------------------------
编码 字节序列
UTF-16BE 4E,2D,56,FD
UTF-16LE 2D,4E,fD,56
UTF-16(BOM,BE) FE,FF,4E,2D,56,FD
UTF-16(BOM,LE) FF,FE,2D,4E,fD,56
------------------------------------------
·UTF-8
·UTF-8采用的是变长码的方式，其编码规则如下：
---------------------------------------------------------------------
代码点值的范围（16进制） 第1字节 第2字节 第3字节
0000 0000-0000 007F 0xxxxxxx0-127）
0000 0080-0000 07FF 110xxxxx （192-223） 10xxxxxx （128-191）
0000 0800-0000 FFFF 1110xxxx （224-239） 10xxxxxx （128-191） 10xxxxxx （128-191）
---------------------------------------------------------------------
·注：x的内容是将左边代码点的二进制值依次注入。
·理论上UTF-8可以达到6个字节编码（上表省略后3位字节以上的编码方式），但实际上，我们一般只采用0x0000 0000 到0x0000 0000FFFF的范围内的字符，也就说UTF-8实际上只采用了3个字节编码。
· UTF-8除了省空间和兼容ASCII的优点后，其编码方式（类似于哈夫曼编码，很容易判断出1个字节及其后面的字节数）决定了它以下两个优点：
·1、与字节顺序无关, 可以在不同平台之间交流。
·2、容错能力高, 任何一个字节损坏后, 最多只会导致一个编码码位损失, 不会链锁错误(如GB码错一个字节就会整行乱码)
·UTF-16和UTF-32
·UTF-16是变长码，大致上相当于UCS-2码的直接实现，但是也有一部分UCS-4的字符。所以可以猜到，它大部分是采用2个字节编码，而有部分特殊符号采用3字节编码，所以大致相当于20位编码, 值在0到0x10FFFF之间。
·UTF-32用四个字节表示代码点，这样就可以完全表示UCS-4的所有代码点。
