1.big endian和little endian是CPU处理多字节数的不同方式
如‘汉’字的Unicode编码是6C49。那么写到文件里时若将6C写在前面，就是big endian。将49写在前面，就是little endian
2.字符编码、内码及汉字编码
字符必须是编码后才能被计算机处理，计算机使用的缺省编码方式就是内码。早期计算机使用8位的ASCII编码(一个字节的编码规范，代表一个字符)，为处理汉字设计GB2312用于简体中文和big5用于繁体中文
GB2312(1980)共收录7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用码位是72*94=6768。其中有5个空位是D7FA-D7FE。GB2312支持汉字太少，1995年汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区，汉字区包括21003个字符。 2000年的GB18030是取代GBK1.0的正式国家标准，该标准收录27484个汉字，同时还收录藏文、蒙文、维吾尔文等主要少数民族文字，现在的PC平台必须支持GB18030，对嵌入式产品暂不作要求，所以手机、MP3一般只支持GB2312
从ASCII、GB2312、GBK到GB18030这些编码方法是向下兼容的，即同一个字符在这些方案中总是有相同的编码，后面标准支持更多的字符。在这些编码中，英文和中文可以统一地处理，区分中文编码的方法是高字节的最高位不为0。有的中文Windows的缺省内码还是GBK，可以通过GB18030包升级到GB18030。不过GB18030相对GBK增加的字符，普通人是很难用到，通常我们还是用GBK指代中文Windows内码
3.Unicode、UCS和UTF
Unicode(至少以两个字节表示，汉字是3个字节，英文字母是两个字节)只与ASCII兼容(即ISO-8859-1兼容)与GB码不兼容。Unicode是一种由国际组织设计的字符编码方法，可容纳全世界所有文字的编码方案，学名是"Universal Multiple-Octet Coded Character Set"简称为UCS。UCS可以看作是"Unicode Character Set"的缩写
UCS只规定如何编码，没有规定如何传输、保存编码。例如“汉”字的UCS编码是6C49，可以用4个ascii数字来传输+保存这个编码；也可用utf-8编码:3个连续字节E6 B1 89来表示。关键在于通信双方都认可。UTF-8、UTF-7、UTF-16都是被广泛接受的方案，UTF-8的特别好处是它与ISO-8859-1完全兼容。UTF是“UCS Transformation Format”的缩写
4.内码与code page
目前Windows内核已经采用Unicode编码，这样在内核上可以支持全世界所有语言文字。但是由于现有大量程序和文档都采用某种特定语言编码，例如GBK，Windows不可能不支持现有的编码，而全部改用Unicode
Windows使用代码页(code page)来适应各个国家和地区。code page可以被理解为前面提到的内码。GBK对应的code page是CP936，GB18030 code page：CP54936。但由于GB18030有一部分4字节编码，而Windows代码页只支持单字节和双字节编码，所以这个code page是无法真正使用的
5.UTF编码
UTF-8就是以8位为单元对UCS进行编码。从UCS-2到UTF-8的编码方式如下：
UCS-2编码(16进制) UTF-8字节流(二进制)
0000-007F 0xxxxxxx 0080-07FF 110xxxxx 10xxxxxx 0800-FFFF 1110xxxx 10xxxxxx 10xxxxxx
https://blog.csdn.net/wanghuiqi2008/article/details/8079071
例如“汉”字Unicode编码是6C49，6C49在0800-FFFF之间，所以要用3字节模板：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 110001 001001，用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89
UTF-16以16位为单元对UCS进行编码。对于小于0x10000的UCS码，UTF-16编码就等于UCS码对应的16位无符号整数。对于不小于0x10000的UCS码，定义了一个算法。不过由于实际使用的UCS2，或UCS4的BMP必然小于0x10000，所以就目前而言，可以认为UTF-16和UCS-2基本相同。但UCS-2只是一个编码方案，UTF-16却要用于实际的传输，所以就不得不考虑字节序的问题