计算机编码全解析（下）
7.unicode、ucs以上的编码都是本地化编码， 一国之内还没有问题，但是要跨国，就不行了 。比如汉字，在只有iso-8859系列字符集的电脑上显示就只能是乱码了，要显示汉字，电脑上必须装gb2312或gbk的字符集。有没有一个字符集，能够包含全球所有的字符呢？这就是unicode和ucs
1988年，joe becker 发布了一个草案，提出了“unicode”的概念，他解释说“‘unicode’是一种唯一的、统一的、全球的编码”。后来，rlg、sun、microsoft、next（乔布斯被赶出苹果后创建的公司）的人也都逐渐加入到unicode工作组里。1991年1月3日，unicode联盟组织成立，同年发布了unicode1.0.
同时，iso组织也在做同样的事情，创造一个全球统一的字符集（universal coded character set，简称ucs），1993年发布了标准iso 10646-1。
后来，两个组织认识到，世界不需要两个不兼容的字符集，于是，开始合作。从unicode2.0开始，开始采用和ucs相同的字库和字码。这样，两个项目仍都存在，并独立地公布各自的标准。但双方都同意保持两者标准的码表兼容，并紧密地共同调整任何未来的扩展。所以，现在说到ucs字符集，跟unicode可以看成一回事。
unicode编码包含两个层次：第一层定义字符的数值和第二层 定义数值的实现方式 。unicode用数字 0x0~0x10ffff 表示所有字符，所以最多可以容纳 1114112 个字符。 数值的编码方式，也就是实现方式包括 utf-8，utf-16，utf-32 三种 。
有人会说，unicode不是两个字节表示字符的码？为什么数值可以到0x10ffff，这不21位，两个半字节还多了吗？其实，这是混淆了unicode的数值定义和实现，这根本就是两个概念，unicode到底用几个字节表示，取决于其实现方式是utf-8，utf-16，还是utf-32.
比如，“汉字”对应的unicode值是0x6c49和0x5b57，而编码实现是：
char data_utf8[]= {0xe6,0xb1,0x89,0xe5,0xad,0x97}; //utf-8编码 char16_t data_utf16[]= {0x6c49,0x5b57}; //utf-16编码 char32_t data_utf32[]= {0x00006c49,0x00005b57}; //utf-32编码
utf-8utf，全称“unicode transformation formats”。是unicode的编码格式。
utf-8是使用8-bit为单位，对unicode进行编码的。特点是，对不同范围的字符使用不同长度的编码。
unicode编码(十六进制)utf-8 字节流(二进制)
00000000 - 0000007f 0xxxxxxx
00000080 - 000007ff 110xxxxx 10xxxxxx
00000800 - 0000ffff 1110xxxx 10xxxxxx 10xxxxxx
00010000 - 001fffff 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
00200000 - 03ffffff 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
04000000 - 7fffffff 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
utf-8 的编码规则很简单： 如果只有一个字节，那么最高的比特位为 0；如果有多个字节，那么第一个字节从最高位开始，连续有几个比特位的值为 1，就使用几个字节编码，剩下的字节均以 10 开头 。具体的表现形式为（xxx 就用来存储 unicode 中的字符编号）：
0xxxxxxx：单字节编码形式，这和 ascii 编码完全一样，因此 utf-8 是兼容 ascii 的；110xxxxx 10xxxxxx：双字节编码形式；1110xxxx 10xxxxxx 10xxxxxx：三字节编码形式；11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字节编码形式。下面是一些字符的编码实例（绿色部分表示本来的 unicode 编号）：
字符næ齐
unicode 编号（二进制） 01001110 11100110 00101110 11101100
unicode 编号（十六进制） 4e e6 2e ec
utf-8 编码（二进制） 01001110 11000011 10100110 11100010 10111011 10101100
utf-8 编码（十六进制） 4e c3 a6 e2 bb ac
utf-8编码的最大长度是6个字节。
对于0x00-0x7f之间的字符，utf-8编码与ascii编码完全相同,用1个字节表示，首位为0。对于0x80-0x7ff之间的字符，用2个字节表示，第一个字节前三位“110”为标志位，第二个字节前两位“10”为标志位。剩下的11位用来表示unicode值（7ff最多11位）。同样，utf-8的3个字节，可以表示0x800-0xffff的unicode（最多16位）。utf-8的4个字节，可以表示0x10000-0x001fffff的unicode（最多21位）。 4个字节以内，已经包含了unicode所有字符。5、6个字节表示的已经是非unicode编码范围，属于ucs-4 编码。早期utf-8规范也可以达到6字节序列，不过2003年11月utf-8 被 rfc 3629 重新规范，只能使用原来unicode定义的区域， u+0000到u+10ffff。根据规范，这些字节值将无法出现在合法 utf-8序列中。例1：“汉”字的unicode编码是0x6c49。0x6c49在0x0800-0xffff之间，使用用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将0x6c49写成二进制是：0110 1100 0100 1001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即e6 b1 89。例2：unicode编码0x20c30在0x010000-0x10ffff之间，使用用4字节模板了：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。将0x20c30写成21位二进制数字（不足21位就在前面补0）：0 0010 0000 1100 0011 0000，用这个比特流依次代替模板中的x，得到：11110000 10100000 10110000 10110000，即f0 a0 b0 b0。utf-8有两个好处：
1字节字符、2字节字符、3字节字符……的首字节标志位不同，这样可以很清楚的区分一个字节属于1字节字符还是2字节字符，如果一个字节流传输中出现错误，也不会错位，只影响部分字符，根据标志位，很容易找到下个正确字符。兼容ascii码， 英美字符用utf-8可以一个字节表示，所以，www组织选用utf-8作为推荐编码格式。2007年，在互联网上，utf-8格式已经超过了ascii码。utf-16utf-16以2字节为单位,等同于ucs-2.
unicode编码(十六进制)utf-16 字节流(二进制)
00000000 - 0000ffff xxxxxxxx xxxxxxxx
00010000 - 0010ffff 110110yyyyyyyyyy 110111xxxxxxxxxx
unicode值小于等于0xffff的，直接用两个字节表示，超过0xffff的，无法用两个字节表示。使用下面公式编码:
1.计算 u’= u – 0x100002. 将u'写成二进制形式：yyyy yyyy yyxx xxxx xxxx3. 加上标志位，1101 10yy yyyy yyyy 1101 11xx xxxx xxxx：高位代理值为d800，低位代理值为dc00可见，这是4个字节表示，2个6位标志位，20位有效位。因为u最大是0x10ffff，所以u’最大是0xfffff，20位足够表示 。
案例1：
u+0020，这个值的范围在第一部分，即经过utf-16编码后，结果仍然为u+0020，在内存中的顺序为00 20。案例2：
u+12345, 这个值的范围在第二部分，因此需要先减去0x10000，得到0x02345，拆分成高10位00 0000 1000和低10位11 0100 0101。根据上面规则加上特定值后，高位代理值为d808，低位代理值为df45，最终内存中的顺序为d8 08 df 45。bom的含义
bom即byte order mark字节序标记。bom是为utf-16和utf-32准备的，用户标记字节序（byte order）。拿utf-16来举例，其是以两个字节为编码单元，在解释一个utf-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的unicode编码是594e，“乙”的unicode编码是4e59。如果我们收到utf-16字节流594e，那么这是“奎”还是“乙”？
我们先来来看下utf-16-big endian文件格式：
可以看到此时“文件”二字的unicode编码并没有超过0xffff，所以使用两个字节来保存：
而 最早的“fe ff”即为bom标签 。
我们再来看下utf-16-little endian文件格式：
使用的bom标签居然变为了fffe。
unicode规范中推荐的标记字节顺序的方法是bom：在ucs编码中有一个叫做zero width no-break space（零宽度无间断空间）的字符，它的编码是feff。而feff在ucs中是不不能再的字符（即不可见），所以不应该出现在实际传输中。ucs规范建议我们在传输字节流前，先传输字符zero width no-break space。这样如果接收者接收到feff，就表明这个字节流是big-endian的；如果收到fffe，就表明这个字节流是little-endian的。因此字符zero width no-break space又被称为bom。
windows上默认的unicode编码方式就是utf-16，使用wchar_t表示。
utf-32utf-32编码以4字节为单位 。直接把unicode值转为4字节二进制数就是其utf-32编码。等同于ucs-4.
8.base64有的电子邮件系统(比如国外信箱)不支持非英文字母(比如汉字)传输，这是历史原因造成的(认为只有美国会使用电子邮件?)。因为一个英文字母使用ascii编码来存储，占存储器的1个字节(8位)，实际上只用了7位2进制来存储，第一位并没有使用，设置为0，所以，这样的系统认为凡是第一位是1的字节都是错误的。而有的编码方案(比如gb2312)不但使用多个字节编码一个字符，并且第一位经常是1，于是邮件系统就把1换成0，这样收到邮件的人就会发现邮件乱码。
为了能让邮件系统正常的收发信件，就需要把由其他编码存储的符号转换成ascii码来传输。比如 ， 在一端发送gb2312编码－>根据base64规则－>转换成ascii码，接收端收到ascii码－>根据base64规则－>还原到gb2312编码 。
9.big5在台湾、香港与澳门地区，使用的是繁体中文字符集。而1980年发布的gb2312面向简体中文字符集，并不支持繁体汉字。在这些使用繁体中文字符集的地区，一度出现过很多不同厂商提出的字符集编码，这些编码彼此互不兼容，造成了信息交流的困难。为统一繁体字符集编码，1984年，台湾五大厂商宏碁、神通、佳佳、零壹以及大众一同制定了一种繁体中文编码方案，因其来源被称为五大码，英文写作big5，后来按英文翻译回汉字后，普遍被称为大五码。 大五码是一种繁体中文汉字字符集，其中繁体汉字13053个，808个标点符号、希腊字母及特殊符号。大五码的编码码表直接针对存储而设计，每个字符统一使用两个字节存储表示。第1字节范围81h－feh，避开了同ascii码的冲突，第2字节范围是40h－7eh和a1h－feh。因为big5的字符编码范围同gb2312字符的存储码范围存在冲突，所以在同一正文不能对两种字符集的字符同时支持。 big5编码的分布如表1－5所示，big5字符主要部分集中在三个段内：标点符号、希腊字母及特殊符号；常用汉字；非常用汉字。其余部分保留给其他厂商支持。
big5编码推出后，得到了繁体中文软件厂商的广泛支持，在使用繁体汉字的地区迅速普及使用。目前，big5编码在台湾、香港、澳门及其他海外华人中普遍使用，成为了繁体中文编码的事实标准。在互联网中检索繁体中文网站，所打开的网页中，大多都是通过big5编码产生的文档。
总结各种字符编码之间的关系上面关于字符集和编码讲了许多概念，其实归类一下可以这么理解： 首先是单字节字符集：
1、最初美国ansi发明了自己的编码ascii，7-bit足够，这是标准ascii。2、标准ascii码没有西欧国家拉丁文、英镑等字符，各公司、国家开始扩展，形成自己的扩展ascii码字符集，各方混战，不过8-bit也就足够。3、天下分久必合，iso统一了8-bit字符集，叫做iso 8859.但是亚洲国家字符更多，一个字节远远不够，于是用多个字节表示，扩展形成本国字符集，中国gb系列，台湾big5，日本jis……，这些叫做多字节字符集（mbcs），windows中用双字节表示，也叫做（dbcs）。
以上字符都是群雄割据，各自为政，windows为了迎合大家需求，在哪个国家，默认编码就用那个国家的，不过后来不知怎么被误传位ansi编码，其实ansi怎么可能定义世界各国编码，不过可以理解成各编码都是在ansi*础上扩展的，因为都兼容ansi的标准ascii码。
这时，iso再次出手，和unicode联盟携手打造了unicode（ucs），意图一统江湖。unicode确实包罗万象，涵盖了各国字符，于是流行世界。unicode自身只定义了每个字符的数值，真正二进制编码格式却是utf-8，utf-16（ucs-2），utf-32（ucs-4）。
我们下期见。
参考
刨根究底字符编码之五——简体汉字编码方案(gb2312、gbk等)以及全角、半角、cjk
字符集和字符编码
电容充电时间计算公式具体计算
苹果下一代iPad的OLED价格进入最后阶段
机器学习专家贾尼安德加入谷歌
液压油缸综合试验台 液压泵综合试验台比例阀控制放大器
高精度体温传感器已在英国诞生
计算机编码全解析（下）
芯片设计封闭体系和开放体系问题解读
LG电子即将发布的G8 ThinQ新旗舰机曝光采用了刘海屏双摄后指纹设计
PT700绝对压力变送器ofweek mall适用于哪些情况
阻焊油墨入孔解决方案
2016年人工智能与深度学习领域的十大收购
dcs控制系统的基础知识
不容忽视的电机测试细节—控制精度
AR/VR在虚拟直播的角色扮演，会不会迎来第二春发展
阻抗如何用于PCB布局 阻抗与电阻对PCB布局的重要性
Aeroflex 推出 PXI 3030 TD-SCDMA
工信部发布2020年智能制造系统解决方案供应商招标公告
诺基亚10概念设计图曝光：较诺基亚8外观、配置、性能全面升级，情怀依旧
NextInput是世界最佳力量感测按钮的先驱者
通过EtherCAT网络实现对自动化设备进行诊断
1988年，joe becker 发布了一个草案，提出了“unicode”的概念，他解释说“‘unicode’是一种唯一的、统一的、全球的编码”。后来，rlg、sun、microsoft、next（乔布斯被赶出苹果后创建的公司）的人也都逐渐加入到unicode工作组里。1991年1月3日，unicode联盟组织成立，同年发布了unicode1.0.
同时，iso组织也在做同样的事情，创造一个全球统一的字符集（universal coded character set，简称ucs），1993年发布了标准iso 10646-1。
后来，两个组织认识到，世界不需要两个不兼容的字符集，于是，开始合作。从unicode2.0开始，开始采用和ucs相同的字库和字码。这样，两个项目仍都存在，并独立地公布各自的标准。但双方都同意保持两者标准的码表兼容，并紧密地共同调整任何未来的扩展。所以，现在说到ucs字符集，跟unicode可以看成一回事。
unicode编码包含两个层次：第一层定义字符的数值和第二层 定义数值的实现方式 。unicode用数字 0x0~0x10ffff 表示所有字符，所以最多可以容纳 1114112 个字符。 数值的编码方式，也就是实现方式包括 utf-8，utf-16，utf-32 三种 。
有人会说，unicode不是两个字节表示字符的码？为什么数值可以到0x10ffff，这不21位，两个半字节还多了吗？其实，这是混淆了unicode的数值定义和实现，这根本就是两个概念，unicode到底用几个字节表示，取决于其实现方式是utf-8，utf-16，还是utf-32.
比如，“汉字”对应的unicode值是0x6c49和0x5b57，而编码实现是：
char data_utf8[]= {0xe6,0xb1,0x89,0xe5,0xad,0x97}; //utf-8编码 char16_t data_utf16[]= {0x6c49,0x5b57}; //utf-16编码 char32_t data_utf32[]= {0x00006c49,0x00005b57}; //utf-32编码
utf-8utf，全称“unicode transformation formats”。是unicode的编码格式。
utf-8是使用8-bit为单位，对unicode进行编码的。特点是，对不同范围的字符使用不同长度的编码。
unicode编码(十六进制)utf-8 字节流(二进制)
00000000 - 0000007f 0xxxxxxx
00000080 - 000007ff 110xxxxx 10xxxxxx
00000800 - 0000ffff 1110xxxx 10xxxxxx 10xxxxxx
00010000 - 001fffff 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
00200000 - 03ffffff 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
04000000 - 7fffffff 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
utf-8 的编码规则很简单： 如果只有一个字节，那么最高的比特位为 0；如果有多个字节，那么第一个字节从最高位开始，连续有几个比特位的值为 1，就使用几个字节编码，剩下的字节均以 10 开头 。具体的表现形式为（xxx 就用来存储 unicode 中的字符编号）：
0xxxxxxx：单字节编码形式，这和 ascii 编码完全一样，因此 utf-8 是兼容 ascii 的；110xxxxx 10xxxxxx：双字节编码形式；1110xxxx 10xxxxxx 10xxxxxx：三字节编码形式；11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字节编码形式。下面是一些字符的编码实例（绿色部分表示本来的 unicode 编号）：
字符næ齐
unicode 编号（二进制） 01001110 11100110 00101110 11101100
unicode 编号（十六进制） 4e e6 2e ec
utf-8 编码（二进制） 01001110 11000011 10100110 11100010 10111011 10101100
utf-8 编码（十六进制） 4e c3 a6 e2 bb ac
utf-8编码的最大长度是6个字节。
对于0x00-0x7f之间的字符，utf-8编码与ascii编码完全相同,用1个字节表示，首位为0。对于0x80-0x7ff之间的字符，用2个字节表示，第一个字节前三位“110”为标志位，第二个字节前两位“10”为标志位。剩下的11位用来表示unicode值（7ff最多11位）。同样，utf-8的3个字节，可以表示0x800-0xffff的unicode（最多16位）。utf-8的4个字节，可以表示0x10000-0x001fffff的unicode（最多21位）。 4个字节以内，已经包含了unicode所有字符。5、6个字节表示的已经是非unicode编码范围，属于ucs-4 编码。早期utf-8规范也可以达到6字节序列，不过2003年11月utf-8 被 rfc 3629 重新规范，只能使用原来unicode定义的区域， u+0000到u+10ffff。根据规范，这些字节值将无法出现在合法 utf-8序列中。例1：“汉”字的unicode编码是0x6c49。0x6c49在0x0800-0xffff之间，使用用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将0x6c49写成二进制是：0110 1100 0100 1001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即e6 b1 89。例2：unicode编码0x20c30在0x010000-0x10ffff之间，使用用4字节模板了：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。将0x20c30写成21位二进制数字（不足21位就在前面补0）：0 0010 0000 1100 0011 0000，用这个比特流依次代替模板中的x，得到：11110000 10100000 10110000 10110000，即f0 a0 b0 b0。utf-8有两个好处：
1字节字符、2字节字符、3字节字符……的首字节标志位不同，这样可以很清楚的区分一个字节属于1字节字符还是2字节字符，如果一个字节流传输中出现错误，也不会错位，只影响部分字符，根据标志位，很容易找到下个正确字符。兼容ascii码， 英美字符用utf-8可以一个字节表示，所以，www组织选用utf-8作为推荐编码格式。2007年，在互联网上，utf-8格式已经超过了ascii码。utf-16utf-16以2字节为单位,等同于ucs-2.
unicode编码(十六进制)utf-16 字节流(二进制)
00000000 - 0000ffff xxxxxxxx xxxxxxxx
00010000 - 0010ffff 110110yyyyyyyyyy 110111xxxxxxxxxx
unicode值小于等于0xffff的，直接用两个字节表示，超过0xffff的，无法用两个字节表示。使用下面公式编码:
1.计算 u’= u – 0x100002. 将u'写成二进制形式：yyyy yyyy yyxx xxxx xxxx3. 加上标志位，1101 10yy yyyy yyyy 1101 11xx xxxx xxxx：高位代理值为d800，低位代理值为dc00可见，这是4个字节表示，2个6位标志位，20位有效位。因为u最大是0x10ffff，所以u’最大是0xfffff，20位足够表示 。
案例1：
u+0020，这个值的范围在第一部分，即经过utf-16编码后，结果仍然为u+0020，在内存中的顺序为00 20。案例2：
u+12345, 这个值的范围在第二部分，因此需要先减去0x10000，得到0x02345，拆分成高10位00 0000 1000和低10位11 0100 0101。根据上面规则加上特定值后，高位代理值为d808，低位代理值为df45，最终内存中的顺序为d8 08 df 45。bom的含义
bom即byte order mark字节序标记。bom是为utf-16和utf-32准备的，用户标记字节序（byte order）。拿utf-16来举例，其是以两个字节为编码单元，在解释一个utf-16文本前，首先要弄清楚每个编码单元的字节序。例如收到一个“奎”的unicode编码是594e，“乙”的unicode编码是4e59。如果我们收到utf-16字节流594e，那么这是“奎”还是“乙”？
我们先来来看下utf-16-big endian文件格式：
可以看到此时“文件”二字的unicode编码并没有超过0xffff，所以使用两个字节来保存：
而 最早的“fe ff”即为bom标签 。
我们再来看下utf-16-little endian文件格式：
使用的bom标签居然变为了fffe。
unicode规范中推荐的标记字节顺序的方法是bom：在ucs编码中有一个叫做zero width no-break space（零宽度无间断空间）的字符，它的编码是feff。而feff在ucs中是不不能再的字符（即不可见），所以不应该出现在实际传输中。ucs规范建议我们在传输字节流前，先传输字符zero width no-break space。这样如果接收者接收到feff，就表明这个字节流是big-endian的；如果收到fffe，就表明这个字节流是little-endian的。因此字符zero width no-break space又被称为bom。
windows上默认的unicode编码方式就是utf-16，使用wchar_t表示。
utf-32utf-32编码以4字节为单位 。直接把unicode值转为4字节二进制数就是其utf-32编码。等同于ucs-4.
8.base64有的电子邮件系统(比如国外信箱)不支持非英文字母(比如汉字)传输，这是历史原因造成的(认为只有美国会使用电子邮件?)。因为一个英文字母使用ascii编码来存储，占存储器的1个字节(8位)，实际上只用了7位2进制来存储，第一位并没有使用，设置为0，所以，这样的系统认为凡是第一位是1的字节都是错误的。而有的编码方案(比如gb2312)不但使用多个字节编码一个字符，并且第一位经常是1，于是邮件系统就把1换成0，这样收到邮件的人就会发现邮件乱码。
为了能让邮件系统正常的收发信件，就需要把由其他编码存储的符号转换成ascii码来传输。比如 ， 在一端发送gb2312编码－>根据base64规则－>转换成ascii码，接收端收到ascii码－>根据base64规则－>还原到gb2312编码 。
9.big5在台湾、香港与澳门地区，使用的是繁体中文字符集。而1980年发布的gb2312面向简体中文字符集，并不支持繁体汉字。在这些使用繁体中文字符集的地区，一度出现过很多不同厂商提出的字符集编码，这些编码彼此互不兼容，造成了信息交流的困难。为统一繁体字符集编码，1984年，台湾五大厂商宏碁、神通、佳佳、零壹以及大众一同制定了一种繁体中文编码方案，因其来源被称为五大码，英文写作big5，后来按英文翻译回汉字后，普遍被称为大五码。 大五码是一种繁体中文汉字字符集，其中繁体汉字13053个，808个标点符号、希腊字母及特殊符号。大五码的编码码表直接针对存储而设计，每个字符统一使用两个字节存储表示。第1字节范围81h－feh，避开了同ascii码的冲突，第2字节范围是40h－7eh和a1h－feh。因为big5的字符编码范围同gb2312字符的存储码范围存在冲突，所以在同一正文不能对两种字符集的字符同时支持。 big5编码的分布如表1－5所示，big5字符主要部分集中在三个段内：标点符号、希腊字母及特殊符号；常用汉字；非常用汉字。其余部分保留给其他厂商支持。
big5编码推出后，得到了繁体中文软件厂商的广泛支持，在使用繁体汉字的地区迅速普及使用。目前，big5编码在台湾、香港、澳门及其他海外华人中普遍使用，成为了繁体中文编码的事实标准。在互联网中检索繁体中文网站，所打开的网页中，大多都是通过big5编码产生的文档。
总结各种字符编码之间的关系上面关于字符集和编码讲了许多概念，其实归类一下可以这么理解： 首先是单字节字符集：
1、最初美国ansi发明了自己的编码ascii，7-bit足够，这是标准ascii。2、标准ascii码没有西欧国家拉丁文、英镑等字符，各公司、国家开始扩展，形成自己的扩展ascii码字符集，各方混战，不过8-bit也就足够。3、天下分久必合，iso统一了8-bit字符集，叫做iso 8859.但是亚洲国家字符更多，一个字节远远不够，于是用多个字节表示，扩展形成本国字符集，中国gb系列，台湾big5，日本jis……，这些叫做多字节字符集（mbcs），windows中用双字节表示，也叫做（dbcs）。
以上字符都是群雄割据，各自为政，windows为了迎合大家需求，在哪个国家，默认编码就用那个国家的，不过后来不知怎么被误传位ansi编码，其实ansi怎么可能定义世界各国编码，不过可以理解成各编码都是在ansi*础上扩展的，因为都兼容ansi的标准ascii码。
这时，iso再次出手，和unicode联盟携手打造了unicode（ucs），意图一统江湖。unicode确实包罗万象，涵盖了各国字符，于是流行世界。unicode自身只定义了每个字符的数值，真正二进制编码格式却是utf-8，utf-16（ucs-2），utf-32（ucs-4）。
我们下期见。
参考
刨根究底字符编码之五——简体汉字编码方案(gb2312、gbk等)以及全角、半角、cjk
字符集和字符编码
电容充电时间计算公式具体计算
苹果下一代iPad的OLED价格进入最后阶段
机器学习专家贾尼安德加入谷歌
液压油缸综合试验台 液压泵综合试验台比例阀控制放大器
高精度体温传感器已在英国诞生
计算机编码全解析（下）
芯片设计封闭体系和开放体系问题解读
LG电子即将发布的G8 ThinQ新旗舰机曝光采用了刘海屏双摄后指纹设计
PT700绝对压力变送器ofweek mall适用于哪些情况
阻焊油墨入孔解决方案
2016年人工智能与深度学习领域的十大收购
dcs控制系统的基础知识
不容忽视的电机测试细节—控制精度
AR/VR在虚拟直播的角色扮演，会不会迎来第二春发展
阻抗如何用于PCB布局 阻抗与电阻对PCB布局的重要性
Aeroflex 推出 PXI 3030 TD-SCDMA
工信部发布2020年智能制造系统解决方案供应商招标公告
诺基亚10概念设计图曝光：较诺基亚8外观、配置、性能全面升级，情怀依旧
NextInput是世界最佳力量感测按钮的先驱者
通过EtherCAT网络实现对自动化设备进行诊断