名词解析:
位（bit）：是计算机 内部数据 储存的最小单位，11001100是一个八位二进制数。字节（byte）：是计算机中数据处理的基本单位，习惯上用大写 B 来表示,1B（byte,字节）= 8bit（位）
字符：是指计算机中使用的字母、数字、字和符号。通常用来表示单个的字符，字符型必须用('')括起来。JAVA使用16位的Unicode字符集作为编码方式，而Unicode被设计成支持世界上所有书面语言的字符，包括中文字符。
1.1 字符与编码的发展
ASCII码：最初美国佬，约定了一个编码系统，就是ASCII码，把abc等英文字符分别和0,1,2,3,4等对应，发现差不多刚好128个数，半个字节的长度，于是干脆取一个字节，最高位置为0。后七位从0-127分别对每一个符号编码。计算机每次读取一个字节，然后参照ASCII表把这些编码翻译成字符。
ISO：欧洲人发现ASCII没办法满足欧洲书面语言符号的需要，于是欧洲人搞一套ISO编码，一个字节的长度，把最高位也用掉了。和ASCII表类似，计算机每次只读一个字节，然后按照ISO表，解码出字符。
GBK：到了我们中国，光汉字有几万个。于是我们整出一套GBK且兼容了ASCII编码。
反正当时还有很多不同的编码标准，因为编码不同，你不懂我、我不懂你，乱码满天飞。
最后国际组织把世界上所有书面语言的字符都进行了统一编号，unicode编号，这个unicode编号的集合就是字符集。
| 系统内码 | 说明 | 系统 | |
| 阶段一 | ASCII | 计算机刚开始只支持英语，其它语言不能够在计算机上存储和显示。 | 英文 DOS |
| 阶段二 | ANSI编码 （本地化） | 为使计算机支持更多语言，通常使用 0x80~0xFF 范围的 2 个字节来表示 1 个字符。比如：汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。 不同的国家和地区制定了不同的标准，由此产生了 GB2312, BIG5, JIS 等各自的编码标准。这些使用 2 个字节来代表一个字符的各种汉字延伸编码方式，称为 ANSI 编码。在简体中文系统下，ANSI 编码代表 GB2312 编码，在日文操作系统下，ANSI 编码代表 JIS 编码。 | 中文 DOS，中文 Windows 95/98，日文 Windows 95/98 |
| 阶段三 | UNICODE （国际化） | 为了使国际间信息交流更加方便，国际组织制定了 UNICODE 字符集，为各种语言中的每一个字符设定了统一并且唯一的数字编号，以满足跨语言、跨平台进行文本转换、处理的要求。 | Windows NT/2000/XP，Linux，Java |
1.2 unicode和utf-8等编码方案的联系
unicode编号，解决了解码的冲突，它是一种标准，规定了每个字符对应的二进制数，或者称它是一个具体大的映射。但是unicode并没有规定字符对应的二进制数怎么存储(没有为编码的二进制传输和二进制解码做出规定)，比如字母可能对应的数字很小，那么转换为二进制数需要8位（一个字节）就够了，但是汉字就需要14/15/16位才能表示下也就是最少需要两个字节，甚至有些字符需要三个字节才能表示。于是，就出现了如下解决方案：uft-8，utf-16，utf-32这些编码方案。
1.3 编码方案选择：
utf-8这种解决方案用的最多，用得最多是因为在当时它的方案最好，最节省资源。utf-8采用变长编码，编码长度从1个字节到6个字节不等，utf-16是用两个字节来编码所有的字符，utf-32则选择用4个字节来编码
PS：目前因为互联网上绝大部分存在的资源都是英文的，英文在utf-16中占2个字节，而在utf-8中则是1个字节，故utf-8更加节省资源。如果中文内容居多，则是utf-16更加节省资源。
1.4 字符，字节，字符串
| 概念描述 | 举例 | |
| 字符 | 人们使用的记号，抽象意义上的一个符号。 | 直接通过单个字符来指定字符型：'1', '中', 'a', '$', '￥', …… 通过转义字符表示特殊的字符型：'\n','\t' 直接通过unicode值来表示字符型：'\uxxxx' xxxx表示一个16进制数 |
| 字节 | 计算机中存储数据的单元，一个8位的二进制数，是一个很具体的存储空间。是计算机中数据处理的基本单位，习惯上用大写 B 来表示,1B（byte,字节）= 8bit（位） | 0x01, 0x45, 0xFA, …… |
| ANSI 字符串 | 在内存中，如果“字符”是以 ANSI 编码形式存在的，一个字符可能使用一个字节或多个字节来表示，那么我们称这种字符串为 ANSI 字符串或者多字节字符串。 | "中文123" （占7字节） |
| UNICODE 字符串 | 在内存中，如果“字符”是以在 UNICODE 中的序号存在的，那么我们称这种字符串为 UNICODE 字符串或者宽字节字符串。 | L"中文123" （占10字节） |
1.5 字符集与编码
各个国家和地区所制定的不同 ANSI 编码标准中，都只规定了各自语言所需的“字符”。比如：汉字标准（GB2312）中没有规定韩国语字符怎样存储。这些 ANSI 编码标准所规定的内容包含两层含义：使用哪些字符。也就是说哪些汉字，字母和符号会被收入标准中。所包含“字符”的集合就叫做“字符集”。
规定每个“字符”分别用一个字节还是多个字节存储，用哪些字节来存储，这个规定就叫做“编码”。
各个国家和地区在制定编码标准的时候，“字符的集合”和“编码”一般都是同时制定的。因此，平常我们所说的“字符集”，比如：GB2312, GBK, JIS 等，除了有“字符的集合”这层含义外，同时也包含了“编码”的含义。
“UNICODE 字符集”包含了各种语言中使用到的所有“字符”。用来给 UNICODE 字符集编码的标准有很多种，比如：UTF-8, UTF-7, UTF-16, UnicodeLittle, UnicodeBig 等。
参考：http://www.regexlab.com/zh/encoding.htm