位（bit）、位元組（byte）、字元、編碼之間的關係
1、位：
資料儲存的最小單位。每個二進位制數字0或者1就是1個位；
2、位元組：
8個位構成一個位元組；即：1 byte (位元組)= 8 bit(位)；
1 KB = 1024 B(位元組)；
1 MB = 1024 KB; (2^10 B)
1 GB = 1024 MB; (2^20 B)
1 TB = 1024 GB; (2^30 B)
3、字元：
a、A、中、+、*、の......均表示一個字元；
一般 utf-8 編碼下，一個漢字 字元 佔用 3 個 位元組；
一般 gbk 編碼下，一個漢字 字元 佔用 2 個 位元組；
4、字符集：
即各種各個字元的集合，也就是說哪些漢字，字母（A、b、c）和符號（空格、引號..）會被收入標準中；
5、編碼：
規定每個“字元”分別用一個位元組還是多個位元組儲存，用哪些位元組來儲存，這個規定就叫做“編碼”。（其實際是對字符集中字元進行編碼，即：每個字元用二進位制在計算中表示儲存）；
通俗的說：編碼就是按照規則對字元進行翻譯成對應的二進位制數，在計算器中執行儲存，使用者看的時候（比如瀏覽器），在用對應的編碼解析出來使用者能看懂的；
（1）標準ASCii字符集：有96個列印字元，和32個控制字元組成；一共96+32=128個；
用7位二進位制數來對每1個字元進行編碼；
而由於7位還還不夠1個位元組，而電腦的內部常用位元組來用處理，每個位元組中多出來的最高位用0替代；
0 000 0000.........................0
0 111 1111..........................127； 從0----127，來表示128個ACSii編碼；
比如：字元 'A'----------在計算器內部用0100 0001 （65）來表示；
字元'a'-----------在計算器內部用0 110 0001 （97）來表示；
注意：'10'在計算器內部是沒有編碼的，因為它是字串，而不是單個字元。可以分別對1,0字元編碼儲存；
（2）擴充套件ASCii字符集：將標準的ASCii最高位1，得到十進位制程式碼128---255（1 000 0000----1 111 1111）；所以字符集一共有0---255, 256個字元；
（3）gb2312字符集: 所有漢字字元在計算機內部採用2個位元組來表示，每個位元組的最高位規定為1【正好與標準ASCii字元（最高位是0）不重疊，併兼容】，不支援繁體字；
所以：gb2312表示漢字的編碼為：[129--255][129--255] (兩個位元組，每個位元組最高位是1)；小於127的字元，與ASCii編碼相同；
（4）gbk字符集：gb2312的擴充，相容gb2312，除了收錄gb2312所有的字元外，還收錄了其他不常見的漢字、繁體字等；
gbk中字元是一個或兩個位元組，單位元組字元00--7F（0---127）這個區間和ASCII是一樣的；
雙位元組字元的第一個位元組是在81--FE（129--254）之間。通過這個可以判斷是單位元組還是雙位元組；
即：在gbk字元編碼，如果第一個位元組是>128的，則再往後找一個位元組，組成漢字；如果第一個位元組<128,則表示的是一個單位元組（此時和ASCII是一樣的）；
<?php
// gbk編碼下，無亂碼擷取中文字元；
// 方法1：自定義函式1;
function subgbk($str,$lens){ // 形參 $str 表示將要擷取的原始字串， $lens 表示 設定需要擷取的 字元 個數；
if($lens<=0){
return '';
}
$chars = 0; // 計算，統計已經擷取的字元個數；
$res = ''; // 已經擷取的字元長度;
$offset = 0; // 偏移量,從字串中那個位元組開始擷取;
$lengths = strlen($str); // 將要擷取的原始字串 位元組 的數；
while($chars<$lens && $offset<$lengths){
$hight = ord(substr($str,$offset,1)); // 計算出 gbk字元中 高位元組的所對應編碼的值;
if($hight>128){
// 擷取兩個位元組，代表一個字元；即：雙位元組字元;
$count = 2;
}else{
//擷取一個位元組，代表一個字元，即：單位元組字元；
$count = 1;
}
$res .= substr($str,$offset,$count);
$offset += $count;
$chars++;
}
return $res;
}
?><?php
// 方法2：自定義函式2；
// 思路：先把字串中 所有的 字元 逐一取出來 組成陣列，然後對 陣列元素 進行擷取;最後截取出的陣列拼接成想要的字串;
function strgbk2($str,$strat,$length=NULL){ // 第三個引數預設設定的值是NULL，這個引數是參考了下邊的array_slice()函式，如果省略的話，則表示，一直擷取到最後末尾;
$zijielen = strlen($str); // 計算出 原始字串 $str 的 位元組長度;
$chars = 0; // 統計計算擷取的 字元 數;
$zifuarr = array(); //將字串按照 字元 的形式 分割到 陣列中；(待儲存);
for($i = 0;$i<$zijielen;){ // $i 表示 原始字串 $str 中的位元組(標記);
if(ord(substr($str,$i,1)) > 128){
// 雙位元組字元，兩個位元組來表示一個字元；
$zifuarr[] = $str[$i].$str[$i+1];
// $zifuarr[] = substr($str,$i,2); 兩種寫法的意思是一樣的,都是 取得 某個字元 某些的 位元組；
$i += 2;
}else{
// 單位元組字元，一個位元組表示一個字元；
$zifuarr[] = $str[$i];
// $zifuarr[] = substr($str,$i,1); 兩種寫法的意思是一樣的,都是 取得 某個字元 某個的 位元組；
$i++;
}
$chars++; // 每次迴圈，相當於擷取一個儲存 字元; 相當於所有的陣列元素個數 count($zifuarr);
}
if($chars < $strat){ // 當偏移 過 字元 總長度時候；(開始擷取的位置，已經超過了字元的總長度)；
return 'No characters have been found !';
}
return implode(array_slice($zifuarr,$strat,$length)); // array_slice（）是擷取陣列一部分;implode()是將截取出來的字串，連結起來；
}
?>
<?php
// 方法3：用php內建的函式 mb_substr擷取；
//此函式和 mb_strlen()函式一樣，都是針對 多位元組 字元 的操作函式，在特定的編碼下，針對 字元 的 擷取(mb_substr)和長度的計算(mb_strlen)；
$strgbk = 'ds我是fdg一箇中國xghdt人';
echo mb_substr($strgbk,2,3,'gbk'); // 我是f
?>（5）Unicode字符集：容納世界上所有語言字元和符號的集合；（以及對應的二進位制數字）；
Unicode只是一個編碼規範，目前實際實現的unicode編碼只要有三種：UTF-8,UCS-2和UTF-16，三種unicode字符集之間可以按照規範進行轉換。
（6）utf-8編碼：UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字元編碼，也是一種字首碼。它可以用來表示Unicode標準中的任何字元，且其編碼中的第一個位元組仍與ASCII兼容，這使得原來處理ASCII字元的軟體無須或只須做少部分修改，即可繼續使用。因此，它逐漸成為電子郵件、網頁及其他儲存或傳送文字的應用中，優先採用的編碼。
對於UTF-8編碼中的任意位元組B，如果B的第一位為0，則B獨立的表示一個字元(ASCII碼)；
如果B的第一位為1，第二位為0，則B為一個多位元組字元中的一個位元組(非ASCII字元)；
如果B的前兩位為1，第三位為0，則B為兩個位元組表示的字元中的第一個位元組；
如果B的前三位為1，第四位為0，則B為三個位元組表示的字元中的第一個位元組；
如果B的前四位為1，第五位為0，則B為四個位元組表示的字元中的第一個位元組；
因此，對UTF-8編碼中的任意位元組，根據第一位，可判斷是否為ASCII字元；根據前二位，可判斷該位元組是否為一個字元編碼的第一個位元組；根據前四位（如果前兩位均為1），可確定該位元組為字元編碼的第一個位元組，並且可判斷對應的字元由幾個位元組表示；根據前五位（如果前四位為1），可判斷編碼是否有錯誤或資料傳輸過程中是否有錯誤。
即：
1、單位元組的字元，位元組的第一位設為0，對於英語文字，UTF-8碼只佔用一個位元組，和ASCII碼完全相同；
2、n個位元組的字元(n>1)，第一位元組的前n位設為1，第n+1位設為0，後面位元組的前兩位都設為10；
3、2個位元組，第一個位元組的前2位是1；3個位元組，第一個位元組的前三位是1； 4個位元組，第一個位元組的前4位都是1；
// 如何擷取中文，無亂碼，假設utf-8編碼；
<?php
// 方法1：自定義函式；
function subutf8($str,$len){ // 兩個形式引數，$str代表原始目標字串，$len表示需要擷取 字元 的個數; 注意是 字元的 個數；
if($len<=0){ // 當 將要擷取的字元數 <=0的時候 返回 空字串；
return '';
}
$chars = 0 ; // $chars 引數 代表 已經擷取的字元的個數， 預設初始設定為0；
$res = ''; // $res 引數 表示 已經擷取的字串的長度， 預設初始設定為空(字串);
$offset = 0; // $offset 引數 表示 位元組 擷取的偏移量； 即從字串中（偏移幾個位元組）哪個位元組開始擷取；
$lengths = strlen($str); // $lengths 引數 表示 原始整個字串的 位元組的長度; 而應保證 $offset < $lengths; 否則都無字元可擷取；
while($chars<$len && $offset < $lengths){ // $chars<$len; 應是< 而不是<= ；因為是從0開始的，並執行迴圈擷取的；
$higher = decbin(ord(substr($str,$offset,1))); // 計算出 一個字元 中 第一個位元組（高位元組）的二進位制；
if(strlen($higher) < 8){ // decbin（）函式 轉換出來的 二進位制數 如果 <128（10000000） 的時候，即是二進位制長度<8位的時候，前面高位不預設補0；
// 擷取一個位元組；(表示一個字元)；
$count = 1;
}else if(substr($higher,0,3) == '110'){
//擷取兩個位元組(表示一個字元)；
$count = 2;
}else if(substr($higher,0,4) == '1110'){
//擷取三個位元組(表示一個字元)；
$count = 3;
}else if(substr($higher,0,5) == '11110'){
//擷取四個位元組(表示一個字元)；
$count = 4;
}else if(substr($higher,0,6) == '111110'){
//擷取五個位元組(表示一個字元)；
$count = 5;
}else if(substr($higher,0,7) == '1111110'){
//擷取六個位元組(表示一個字元)；
$count = 6;
}
$res .= substr($str,$offset,$count);
$offset += $count;
$chars++;
}
return $res;
}
?><?php
//方法2:使用系統函式擷取
mb_substr(),不會亂碼.例:
$str = '換s幾ss個字實現中文字串擷取無亂碼的方法。';
echo mb_substr($str,0,5,'UTF-8');// '換s幾ss'
?>php// 中文字串實現反轉;
$a = '我是一個好人';
function strrevv($str) {
$strlen = mb_strlen($str,'UTF-8');
$arr = array();
for($a=0;$a<=$strlen;$a++) {
$arr[] = mb_substr($str,$a,1,'UTF-8');
}
$newstr = implode('',array_reverse($arr));
return $newstr;
}
echo strrevv($a);
// mb_strlen(str,utf-8); 字串中字元的個數;
// mb_substr(str,start,length,utf-8); 多位元組字元的擷取;
// mb_strpos(str,needle,offset,utf-8);查詢子字串，在字串中出現的位置;
// mb_substr_count(str,needle,utf-8);統計子字串，在字串中出現的次數;