字符编码：ASCII Unicode UTF-8

一、ASCII码

一个字节，可表示256种状态；目前ASCII码一共规定了128个字符的编码，只占用一个字节，最高1位同一为0。

二、非ASCII码

汉字10万左右，一个字节只能代表256种符号，肯定不够，就必须用多个字节表示一个汉字。比如简体中文编码方式GB2312，使用两个字节表示一个汉字，理论上最多256×256=65536。
GB类的汉字编码与Unicode和UTF-8没有关系

三、Unicode

每个符号都有一个独一无二的二进制编码
需要注意的是Unicode只是规定了符号二进制编码，但没规定如何存储（即需要几个字节）。有的需要3个字节而有的只需要1个字节，若统一规定字节数，则会造成大量的浪费。

四、UTF-8

UTF-8是Unicode的一种实现方式。
特点是变长的编码方式，它使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8 的编码规则很简单，只有二条：

• 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。
• 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。

跟据上表，解读 UTF-8 编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

五、Unicode 与 UTF-8 之间的转换

1. ANSI是默认的编码方式。对于英文文件是ASCII编码，对于简体中文文件是GB2312编码（只针对 Windows 简体中文版，如果是繁体中文版会采用 Big5 码）。
2. Unicode编码这里指的是notepad.exe使用的 UCS-2 编码方式，即直接用两个字节存入字符的 Unicode 码，这个选项用的 little endian 格式。
3. Unicode big endian编码与上一个选项相对应。
4. UTF-8编码，也就是上一节谈到的编码方法。

UCS-2 格式可以存储 Unicode 码（码点不超过0xFFFF）。以汉字严为例，Unicode 码是4E25，需要用两个字节存储，一个字节是4E，另一个字节是25。存储的时候，4E在前，25在后，这就是 Big endian 方式；25在前，4E在后，这是 Little endian 方式。

转载：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html