编码格式说明及Unicode与utf-8互转

1、GB2312：又称国标码，规定：对任意一个图形字符都采用两个字节表示，每个字节均采用七位编码表示，习惯上称第一个字节为“高字节”，第二个字节为“低字节”

GB2312中汉字编码范围：  第一个字节： 0xB0--0xF7 对应十进制为：176-247；

第二个字节： 0xA0--0xFE 对应十进制为：160-254；

GB2312将代码表分为94个区，对应第一个字节（0xa1-0xfe）；每个区94个位(0xa1-0xfe)对应第二个字节；

两个字节的值分别为区号值和位号值加32(20H)，因此也成为区位码

编码范围：

1、01 -- 09 位符号，数字区；

2、16 -- 87 区位汉字区(0xb0-0xf7)；

3、10 -- 15区、88 -- 94区有待进一步标准化的空白区。

2、Big5 又称大五码，即是一个繁体字编码

每个汉字由两个字节构成--1、第一字节范围：0x81-0xFE(129-255)共126种；

2、第二个字节范围不连续：0x40-0x7E(64-126)和0xA1-0xFE(161-254)共157种。

3、GBK 是GB2312的扩展，向下完全兼容GB2312；

每个字节仍然包含两个字节：

1、第一个字节范围：0x81-0xFE(129-254)；

2、第二个字节范围：0x40-0xFE(64-254)。

GBK中有码位23940个，包含汉字21003个

Unicode：世界标准：为每个字符提供了唯一的特定数值；

有三套编码方式：

1、utf-8：保留了ASCII符的编码作为它的一个部分；用以解决国际上符号的一种多字节编码；它对英文使用八位(1个字节)，对中文使用24位(3个字节)；

2、utf-16；

3、uft-32。

utf-8与Unicode之间转化：

Unicode为双字节，而UTF-8中汉字占三个字节。

    UTF-8编码字符理论上可以最多到6个字节长,然而16位BMP（Basic Multilingual Plane）字符最多只用到3字节长。下面看一下UTF-8编码表：

        U-00000000 - U-0000007F: 0xxxxxxx 

        U-00000080 - U-000007FF: 110xxxxx 10xxxxxx 

        U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx 

        U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 

        U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

        U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

例如：牛 对应的Unicode编码为725B，对应的二进制位111001001011011

111001001011011

11100111    10001001     10011011 对应的utf-8编码为：牛