一、概念解释：

ANSI：并不是某一种特定的字符编码。在不同的系统中，ANSI表示不同的编码（美国同事的系统中ANSI编码其实是ASCII编码（ASCII编码不能表示汉字，所以汉字为乱码），而你的系统中（“汉字”正常显示）ANSI编码其实是GBK编码，而韩文系统中（“한국어”正常显示）ANSI编码其实是EUC-KR编码）

windows系统通过Windows code pages的值来确定当前系统的编码方式（ANSI只存在于Windows系统，不同地区发行的系统，ANSI指代不同）

编码规范和具体编码

字符编码：

1、ASCII编码：早期计算机（美国人造的），用ascii编码（一个字节，8位，可以表示256个编码，实际英语世界里字母、数字和常用符号完全够用）

2、后来，中国人使用计算机，256不够用，中国国家标准总局1980年发布--GB2312。台湾--Big-5

其中收录了6763个常用汉字和682个其它符号（6763+682=7445），并将该字符集分为94个区，每个区94位，每个位对应一个字符或零个字符（94x94=8836，8836-7745=1391说明有1391个位置是空的）

但通常，人们所说的GB2312指的是一种编码（并且不是指区位码），它是指通常采用EUC方法对GB2312字符集中的“区”和“位”进行处理后的编码。

3、继续扩展，之前GB2312中没有利用的位--GBK（又增加了2万多个汉字，GBK是从GB2312扩展而来的，支持繁体，并且兼容GB2312）

4、继续扩展，少数民族语言 -- GB18030

GB2312和GBK都是用两个字节来编码的，就算用完所有的位（256*256=65536）也不够为所有的汉字编码。于是就有了目前最新的GB18030，它采用类似UTF-8的编码方式进行编码（每个字符的编码可以是 1、2或4个字节），拥有上百万个编码空间，足以支持中日韩三国所有汉字，并且还可以支持国内少数民族的文字

Unicode编码

Unicode只是简单的字符到数字的一个映射，就相当于一个电话本，它是没有字节限制的，是可以无限表示的，它也不管一个字符在计算机中式怎么存储的，具体怎么存储涉及到字符编码，而unicode应该叫做字符集

Unicode为世界上的每一个字符都弄了一个对应的数字，所以就不会再存在乱码问题了，比如，汉字“严”的Unicode是十六进制数 4E25 ，转换成二进制数足足有15位（ 100111000100101 ）

也就是说，这个符号的表示至少需要2个字节。表示其他更大的符号， 可能需要3个字节或者4个字节，甚至更多，这里会出现几个问题：

**A.**我们怎么知道是三个字节一起表示一个字符，还是说三个字节分别表示三个字符

**B.**之前一个ascii字符只需要一个字节，但是现在用了unicode普遍使用三个或四个字节，那使用英文就回浪费很多字节

于是针对unicode出现了很多不同的编码方案，这些方案就是为了解决unicode在计算机中具体怎么存储的问题

经常听说的有：utf-8、utf-16、utf-32

utf-16是用两个或四个字节表示一个字符

utf-32使用四个字节表示一个字符

而utf-8是可变长的编码方案，它可以用1~4个字节表示不同字符，显而易见，前面两种编码方案会浪费很多字节，而utf-8就很好了，所以我们现在也通常使用utf-8

UTF-8编码：

1）对于单字节的符号，字节的第一位设为 0 ，后面7位为这个符号的 Unicode 码。因此对于 英语字母，UTF-8 编码和 ASCII 码是相同的。

2）对于 n 字节的符号（ n > 1 ），第一个字节的前 n 位都设为 1 ，第 n + 1 位设为 0 ，后面字节的前两位一律设为 10 。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

根据utf-8的编码规则，我们就可以发现它很好的解决了前面的两个问题：

兼容ascii且不适用多余的字节，多字节的字符，我们可以通过判断它的第一个字符来确定字节数。

这是一份编码表，其中xxx处填写相应的unicode值

举个例子:

“侠”的unicode表示是4fa0，根据上表我们来计算一下它的utf-8编码：

根据上表，4fa0在第三行的位置，也就是我们需要把unicode值依次填入1110xxxx 10xxxxxx 10xxxxxx中，开始填字游戏吧：

11100100 10111110 10100000

转换为16进制后：E4BEA0

=整理自互联网

参考地址：https://blog.csdn.net/he_and/article/details/80380084

==