字符编码

QT学习笔记（1）—字符编码
GB2312、GBK、GB18030 这几种字符集的主要区别是什么？

ANSI 多字节编码

计算机采用高电平和低电平分别表示1和0，因此数据的存储和运算用二进制表示，因此需要编码来指定哪些二进制表示哪个符号，因此出现 ASCLL。

ASCLL：单字节编码方案，指定7位（便准ASCLL码）或8位（扩展ASCLL码）组合来表示128或256种可能的字符。

标准ASCLL（0x00 ~ 0x7F）：7位二进制数表示127位，最高位作奇偶校验，用来检验是否出现错误。
奇校验：一个字节中的1必须为奇，如果不是，则最高位填充1。
偶校验：一个字节中的1必须为偶，如果不是，则最高位填充1。

扩展ASCLL （0x80 ~ 0xFF）：8位二进制数表示256位，扩展ASCLL码增加一些欧洲国家使用的特殊符号。
所有国家其前面 0 -127 相同，128 - 255 段可能不同国家的编码不一样，因为每个国家都用同一扩展部分表示自己的符号。

对于亚洲国家的文字，符号太多以至扩展的ASCLL码也无法表示全部字符，因此出现多字节编码，如简体中文的 GB2312，用两个字符表示一个汉字。

Unicode 系列编码

Unicode 百度百科
QT学习笔记（1）—字符编码
Unicode and Character Sets
Unicode web site
Byte Order Mark (BOM)
Unicode and You

不同地方对同一字段采用表示不同的的字符，因此有冲突，国际组织制定 Unicode 编码，也称国际码，对全球语言统一分配编码区间，解决不同语言的冲突。

Unicode 编码系统，分为编码方式和实现方式。

编码方式： Unicode用数字0-0x10FFFF来映射字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。
UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。

Unicode字符集可以简写为UCS（Unicode Character Set）。
早期的Unicode标准有UCS-2、UCS-4的说法。UCS-2用两个字节编码，UCS-4用4个字节编码。

实现方式：

UTF-8

UTF-8 百度百科
Unicode 百度百科

以字节为单位对 Unicode 进行编码，针对不同范围的字符使用不同长度的编码：

UTF-8 编码无字节序问题：
为什么UTF-8没有字节序问题？

大端和小端字节序介绍：
Understanding Big and Little Endian Byte Order

UTF-16

Unicode Technical Site
UTF-8, UTF-16, UTF-32 & BOM