常用字符集编码详解：ASCII、GB2312、GBK、GB18030、...

ASCII

ASCII 码是7位编码，编码范围是0x00-0x7F ASCII 字符集包括英文字母、 阿拉伯数字和标点符号等字符。其中 0x00-0x20和0x7F 共33个控制字符。

只支持ASCI 码的系统会忽略每个字节的最高位，只认为低 7位是有效位。 HZ 字符编码就是早期为了在只支持 7位ASCII 系统中传输中文而设计的编码。 早期很多邮件系统也只支持ASCII 编码，为了传输中文邮件必须使用 BASE64或 者其他编码方式。

GB2312

GB2312是基于区位码设计的，区位码把编码表分为 94个位，每个字符的区号和位号组合起来就是该汉字的区位

码。 10进制数来表示，如 1601就表示 16区1 位，对应的字符是 区号和位号上分别加上0xA0就得到了 GB2312编

码。

区位码中 01-09区是符号、数字区， 16-87区是汉字区，

未定义的空白区。它将收录的汉字分成两级：

第一级是常用汉字计 3755 个，置于 16-55 区，按汉语拼音字母 /笔形顺序排 列；第二级汉字是次常用汉字计 3008 个，置于 56-87 区，按部首 /笔画顺序排 列。一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中 的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。

GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片 假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。可以 用繁体汉字测试某些系统是不是只支持 GB2312编码。

GB2312的编码范围是0xA1-0x7E 去掉未定义的区域之后可以理解为实际 编码范围是 0xA1-0xF7FE 。

EUC-CN 可以理解为GB2312的别名，和GB2312完全相同。

区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而 94个区，每个区对应 区位码一般用 “啊”。在区位码的

10-15和 88-94是

GB2312及EUC-CN是实际计算机环境中支持这种字符集的编码。HZ和ISO-

2022-CN是对应区位码字符集的另外两种编码，都是用7位编码空间来支持汉

字。区位码和GB2312编码的关系有点像Unicode和UTF-&

GBK

GBK编码是GB2312编码的超集，向下完全兼容GB2312,同时GBK收录了

Uni code基本多文种平面中的所有CJK汉字。同GB2312 一样，GBK也支持希腊

字母、日文假名字母、俄语字母等字符，但不支持韩语中的表音字符（非汉字字符）。GBK还收录了GB2312不包含的汉字部首符号、竖排标点符号等字符。

GBK的整体编码范围是为0x8140-0xFE不包括低字节是0X 7的组合。高字节范围是0X81-0xFE低字节范围是0X40-7E和0x80-0xFE低字节是0x40- 0x7E的GBK字符有一定特殊性，因为这些字符占用了ASCI码的位置，这样会给一些系统带来麻烦。

有些系统中用0x40-0x7E中的字符（如“I）做特殊符号，在定位这些符号时又没有判断这些符号是不是属于某个GBK字符的低字节，这样就会造成错误判断。在支持GB2312的环境下就不存在这个问题。需要注意的是支持GBK的

环境中小于0x80的某个字节未必就是ASCII符号；另外就是最好选用小于0X 40 的ASCII符号做一些特殊符号，这样就可以快速定位，且不用担心是某个汉字的另一半。Big5编码中也存在相应问题。

CP936和GBK的有些许差别，绝大多数情况下可以把CP936当作GBK的别名。

GB18030

GB18030编码向下兼容GBK和GB2312兼容的含义是不仅字符兼容，而且相同字符的编码也相同。GB18030收录了所有Unicode

3.1中的字符，包括中国少数民族字符，GBK不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收录在内。

GBK和GB2312都是双字节等宽编码，如果算上和ASCI兼容所支持的单字节，也可以理解为是单字节和双字节混合的变长编码。GB18030编码是变长编码，

有单字节、双字节和四字节三种方式。

GB18030的单字节编码范围是0x00-0x7F,完全等同与ASC；双字节编码的范围和GBK相同，高字节是0x81-0xFE低字节的编码范围是0x40-0x7E和0x80- FE四字节编码中第一、三字节的编码范围是0x81-0xFE二、四字节是0x30-

0x39。

Windows中CP936代码页使用0x80来表示欧元符号，而在GB18030编码中没有使用0x80编码位，用其他位置来表示欧元符号。这可以理解为是GB18030

向下兼容性上的一点小问题；也可以理解为0x80是CP936对GBK的扩展，而

GB18030只是和GBK兼容良好。

unicode

每一种语言的不同的编码页，增加了那些需要支持不同语言的软件的复杂度。因而人们制定了一个世界标准，叫做uni code。uni code为每个字符提供了唯一的特定数值，不论在什么平台上、不论在什么软件中，也不论什么语言。也就是说，它世界上使用的所有字符都列出来，并给每一个字符一个唯一特定数值。

Unicode 的最初目标，是用1 个16 位的编码来为超过65000字符提供映

射。但这还不够，它不能覆盖全部历史上的文字，也不能解决传输的问题

(im pla ntati on head-ache's)，尤其在那些基于网络的应用中。已有的软件必须做大量的工作来程序16 位的数据。

因此，Unicode 用一些基本的保留字符制定了三套编码方式。它们分别是UTF-8,UTF-16和UTF-32正如名字所示，在UTF- 8中，字符是以8位序列来编码的，用一个或几个字节来表示一个字符。这种方式的最大好处，是UTF—8 保留了ASCI字符的编码做为它的一部分，例如，在UTF-8和ASCI中, “A”编

码都是0x

41.

UTF—16和UTF— 32分别是Uni code的16位和32位编码方式。考虑到最初的目的，通常说的Uni code就是指UTF-16在讨论Un icode时，搞清楚哪种编码方式非常重要。