1、ASCII碼

        上個世紀60年代，美國製定了一套字元編碼，對英語字元與二進位制位之間的關係，做了統一規定。這被稱為 ASCII 碼，一直沿用至今。ASCII 碼一共規定了128個字元的編碼，比如空格SPACE是32（二進位制00100000），大寫的字母A是65（二進位制01000001）。這128個符號（包括32個不能打印出來的控制符號），只佔用了一個位元組的後面7位，最前面的一位統一規定為0。

2、GB2312

        因為ASCII只用了前面128個位置。因此GB2312對其進行了擴充套件，兩個大於127的字元連在一起時，就表示一個漢字，前面的一個位元組（稱之為高位元組）從0xA1用到0xF7，後面一個位元組（低位元組）從0xA1到0xFE，這樣我們就可以組合出大約7000多個簡體漢字了。
3、GBK

        GB2312只能表示大約7000多個漢字，但是中國的漢字太多了，我們很快就就發現有許多人的人名沒有辦法在這裡打出來，不得不繼續把 GB2312 沒有用到的碼位找出來用上。後來還是不夠用，於是乾脆不再要求低位元組一定是127號之後的內碼，只要第一個位元組是大於127就固定表示這是一個漢字的開始，不管後面跟的是不是擴充套件字符集裡的內容。結果擴充套件之後的編碼方案被稱為 “GBK” 標準，GBK 包括了 GB2312 的所有內容，同時又增加了近20000個新的漢字（包括繁體字）和符號。

4、Unicode

        世界上存在著多種編碼方式，同一個二進位制數字可以被解釋成不同的符號。因此，要想開啟一個文字檔案，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。為什麼電子郵件常常出現亂碼？就是因為發信人和收信人使用的編碼方式不一樣。

        可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每一個符號都給予一個獨一無二的編碼，那麼亂碼問題就會消失。這就是 Unicode，就像它的名字都表示的，這是一種所有符號的編碼。

        Unicode 當然是一個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字嚴。具體的符號對應表，可以查詢http://www.unicode.org/

5、Unicode存在的問題

        Unicode 只是一個符號集，它只規定了符號的二進位制程式碼，卻沒有規定這個二進位制程式碼的儲存方式。

        比如，漢字嚴的 Unicode 是十六進位制數4E25，轉換成二進位制數足足有15位（100111000100101），也就是說，這個符號的表示至少需要2個位元組。表示其他更大的符號，可能需要3個位元組或者4個位元組，甚至更多。

        這裡就有兩個嚴重的問題，第一個問題是，如何才能區別 Unicode 和 ASCII ？計算機怎麼知道三個位元組表示一個符號，而不是分別表示三個符號呢？第二個問題是，我們已經知道，英文字母只用一個位元組表示就夠了，如果 Unicode 統一規定，每個符號用三個或四個位元組表示，那麼每個英文字母前都必然有二到三個位元組是0，這對於儲存來說是極大的浪費，文字檔案的大小會因此大出二三倍，這是無法接受的。

       它們造成的結果是：1）出現了 Unicode 的多種儲存方式。 2）Unicode 在很長一段時間內無法推廣，因為儲存方式不統一。

6、UTF-8

        隨著網際網路發展，出現了UTF-8，它是使用最廣的Unicode儲存方式，類似的還有UTF-16和UTF-32。UTF-8 最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個位元組表示一個符號，根據不同的符號而變化位元組長度。
        UTF-8 的編碼規則很簡單，只有二條：

        1）對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的 Unicode 碼。這和ASCII碼編碼規則一樣，因此對於英語字母，UTF-8 編碼和 ASCII 碼是相同的。

        2）對於n位元組的符號（n > 1），第一個位元組的前n位都設為1，第n + 1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位，全部為這個符號的 Unicode 碼。
下表總結了編碼規則，字母x表示可用編碼的位。

        根據上表可知，如果第一個位元組的第一位為0，那麼這個位元組單獨就表示一個字元。如果第一位是1，則後面連續有幾個1，就表示當前字元佔用幾個位元組。

        如“嚴”的Unicode是是4E25（100111000100101），根據上表，可以發現4E25處在第三行的範圍內（0000 0800 - 0000 FFFF），因此嚴的 UTF-8 編碼需要三個位元組，即格式是1110xxxx 10xxxxxx 10xxxxxx。然後，從嚴的最後一個二進位制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，嚴的 UTF-8 編碼是11100100 10111000 10100101，轉換成十六進位制就是E4B8A5

7、（小端）Little endian和（大端）Big endian模式

        檔案的儲存可以分為大端模式和小端模式，Unicode 規定，每一個檔案的最前面分別加入一個表示編碼順序的字元，這個字元的名字叫做"零寬度非換行空格"（zero width no-break space），用FEFF表示。這正好是兩個位元組，而且FF比FE大1。

        如果一個文字檔案的頭兩個位元組是FE FF，就表示該檔案採用大頭方式；如果頭兩個位元組是FF FE，就表示該檔案採用小頭方式。

8、例項

        開啟記事本，新建一個文字檔案，內容就是一個嚴字，依次採用ANSI，Unicode，Unicode big endian和UTF-8編碼方式儲存。然後，用文字編輯軟體UltraEdit 中的"十六進位制功能"，觀察該檔案的內部編碼方式。

1）ANSI：檔案的編碼就是兩個位元組D1 CF，這正是嚴的 GB2312 編碼，這也暗示 GB2312 是採用大端方式儲存的。

2）Unicode：編碼是四個位元組FF FE 25 4E，其中FF FE表明是小端方式儲存，真正的編碼是4E25。

3）Unicode big endian：編碼是四個位元組FE FF 4E 25，其中FE FF表明是大端方式儲存。

4）UTF-8：編碼是六個位元組EF BB BF E4 B8 A5，前三個位元組EF BB BF表示這是UTF-8編碼，後三個E4  B8  A5就是嚴的具體編碼，它的儲存順序與編碼順序是一致的。

9、編碼方式在計算機和網際網路之間的轉換

        在計算機記憶體中，統一使用Unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為UTF-8編碼。

        用記事本編輯的時候，從檔案讀取的UTF-8字元被轉換為Unicode字元到記憶體裡，編輯完成後，儲存的時候再把Unicode轉換為UTF-8儲存到檔案：

瀏覽網頁的時候，伺服器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器：

所以你看到很多網頁的原始碼上會有類似<meta charset="UTF-8" />的資訊，表示該網頁正是用的UTF-8編碼。