1、基礎知識
計算機中儲存的信息都是用二進制數表示的，用8位二進制來表示一個字節，這樣一個字節就可以表示2的8次方（256）個字符，這樣所有的英文字母，標點符號等就都可以被表示出來了，這就是最初的ASCII碼，事實上ASCII碼只用了127位。
字符集（Charset）：是一個系統支持的所有抽象字符的集合。字符是各種文字和符號的總稱，包括各國家文字、標點符號、圖形符號、數字等。
字符編碼（Character Encoding）：是一套法則，使用該法則能夠對自然語言的字符的一個集合（如字母表），與其他東西的一個集合（如二進制字節碼）進行配對。即在符號集合與數字系統之間建立對應關係，它是信息處理的一項基本技術。通常人們用符號集合（一般情況下就是文字）來表達信息。而以計算機爲基礎的信息處理系統則是利用元件（硬件）不同狀態的組合來存儲和處理信息的。元件不同狀態的組合能代表數字系統的數字，因此字符編碼就是將符號轉換爲計算機可以接受的數字系統的數，稱爲數字代碼。
單字節編碼：一個字節就表示一個字符，比如典型的ASCII碼中的所有字符都是單字節編碼的
雙字節編碼：需要用兩個字節來表示一個字符的編碼，比如漢字的GBK,GB2312編碼
多字節編碼：需要用多個字節來表示一個字符的編碼，比如Unicode，UTF-8編碼2、常用字符集和字符編碼
常見字符集名稱：ASCII字符集、GB2312字符集、BIG5字符集、GBK字符集、Unicode字符集等。計算機要準確的處理各種字符集文字，需要進行字符編碼，以便計算機能夠識別和存儲各種文字。
ASCII字符集：主要包括控制字符（回車鍵、退格、換行鍵等）；可顯示字符（英文大小寫字符、阿拉伯數字和西文符號），單字節編碼字符集。
ASCII編碼：將ASCII字符集轉換爲計算機可以接受的數字系統的數的規則。使用7位（bits）表示一個字符，共128字符；但是7位編碼的字符集只能支持128個字符，爲了表示更多的歐洲常用字符對ASCII進行了擴展，ASCII擴展字符集使用8位（bits）表示一個字符，共256字符。ASCII字符集映射到數字編碼規則。
GB2312字符集：用兩個大於127的字符連在一起時，就表示一個漢字，前面的一個字節（他稱之爲高字節）從0xA1用到 0xF7，後面一個字節（低字節）從0xA1到0xFE，這樣我們就可以組合出大約7000多個簡體漢字了。在這些編碼裏，還把數學符號、羅馬希臘的字母、日文的假名們都編進去了，連在ASCII裏本來就有的數字、標點、字母都統統重新編了兩個字節長的編碼，這就是常說的"全角"字符，而原來在127號以下的那些就叫"半角"字符了。
GBK字符集：由於GB2312還是不夠用，後來乾脆不再要求低字節一定是127號之後的內碼，只要第一個字節是大於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展字符集裏的內容。結果擴展之後的編碼方案被稱爲 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）和符號等。GBK、GB2312編碼：是將兩個字節連在一起表示一個字符，這兩個字節分別叫高字節和低字節，GBK的編碼中只要高字節代表的字符大於127就表示該字符爲漢字，GB2312編碼中必須兩個字節所標識的字符都大於127才標識這個字符爲漢字。
Unicode字符集：Unicode 是基於通用字符集，它是用4個字節來表示一個字符，所以能把目前世界上所有的語言文字字符都表示出來。
Unicode字符編碼：UTF-32/ UTF-16/ UTF-8是三種字符編碼方案都屬於Unicode字符編碼，由於Unicode字符編碼用4個字節表示一個字符會浪費很多空間，所以UTF-8編碼採用一種變長編碼規則，如一個英文字母a，只需要一個字節就可以，那麼UTF-8編碼中a還用一個字節，有些字符需要4個字節才能表示出來，就用4個字節來表示。注意在UTF-8編碼中漢字是需要3個字節來表示的。