上一次我們討論了Byte的詳細內容，這一次關於字符編碼的討論無疑是要建立在這基礎之上了。
1.ASCII(American Standard Code for Information Interchange)
在學習C語言中，我們接觸了最基本的一種編碼格式：ASCII碼。在計算機發明之初，一羣美國人在心裏琢磨，我們要在計算機上能顯示我們的語言，我們的文字，就必須要把所有的英語字母，符號以及阿拉伯數字用一些二進制序列表示出來。這樣，計算機看到的是二進制的編碼，對應的是人能看懂的語言。一個符號對應一個號碼。於是，美國人用一個字節(8 bit)來表示他們平時需要用到的字母，符號，數字等，1字節共有256種組合(00-FF)由於英語字母大小寫一共只有52個，常用符號也有限，再加上一些常用的控制符，美國人只用了其中的128個(0-127)來編碼，這就是最基本的ASCII碼。(只用了128個，在上一次關於Byte的討論中，我們應該能知道，這說明ASCII在8 bit的第八位永遠是0)。
後來，計算機發展很快，全世界很多地方人都不使用英語。於是，他們果斷利用了ASCII未使用的剩下的128個字符，來表示他們的字母，符號。大家都感覺這樣很好。
2.GB(國標碼)
後來中國人開始用計算機，中國人發現，我們已經沒有可以利用的字符編碼來表示漢字了。況且，中國常用字就有6000多個，1 Byte只有256種組合，這根本就是供不應求啊。但這難不倒中國人，我們果斷把1 Byte中的後128個字符去掉，前128個沿用ASCII字符。並且我們用兩個字節表示一個漢字。這兩個字節的值都大於127。中國人感覺這樣不錯，於是我們把這種編碼方案叫做“GB2312”，在GB2312中，我們也把英語字母，數字等編了進去。這樣，同一個字母如果用GB碼錶示我們稱作"全角"字符，如果用ASCII碼錶示，就是"半角"字符。輸入法中有一個圓月和缺月的切換，指的就是全角字符和半角字符的切換。顯示的效果也是完全不同的。
後來我們感覺漢字太多了，而且包括很多繁體字，於是我們毫不猶豫地規定，只要2字節字符編碼的第一個字節大於127，就表示這個字節和後一個字節共同表示一個漢字，即使後一個字節是小於128的。這樣，我們有了128*256個空間可以表示漢字，我們不僅加入了繁體字，還加入的少數名族的符號。我們把這種方案叫做GBK編碼，後來GBK又被擴展成了GB18030。現在，大家應該知道了"爲什麼一個漢字算兩個英文字符？爲什麼一個漢字包含兩個字節？"了吧。
3.Unicode(Universal Multiple-Octet Coded Character Set)
如中國一樣，全世界很多國家都開發了一套屬於自己的字符編碼方式，這就帶來了一個問題，當一臺計算機需要切換使用不同的語言系統時，他們如何區分這些不同的編碼方案帶來的字符衝突問題呢？在GB碼中的漢字在別的編碼中表示的也許是別的符號。
這時，一個很權威的組織站了出來，他就是ISO——國際標準化組織，他們制定了很多標準以解決這些衝突問題，這次也不例外。他們的方法是這樣的，廢了所有的地區性編碼方案，重新搞一個包括了地球上所有文化、所有字母和符號的編碼！他們叫它"Universal Multiple-Octet Coded Character Set"，簡稱 UCS，俗稱 "UNICODE"。Unicode用2字節的空間表示一個字符，一共可以表示65536個字符，這是UCS-2方案，爲了防止不夠用，ISO還制定了UCS-4方案，也就是用4個字節表示一個符號。這樣編碼得到的字符恐怕是用不完了吧。說到這兒我想插一句，經常我們打開一個文本文件或者一封郵件時，會看到一些亂碼，看不懂的符號，原因就是因爲文件保存與打開(郵件發送與接收)的編碼方式不同，那麼計算機當然就把原來的編碼翻譯成了我們看不懂的符號了。
4.UTF(UCS Transfer Format)
UTF是Unicode的一種實現形式，在互聯網中應用十分廣泛。UTF-8是應用最廣的實現方式，其他的實現方式還包括UTF-16和UTF-32。通過UTF的名字我們也能理解出，UTF是爲了適應比特流在網絡中傳輸而產生的標準，UTF-8就是每次傳輸8位，UTF-16就是每次傳輸16位，UTF-32就是32位。那麼現在我們來深入討論一下Unicode和UTF-8之間是如何轉換的。
(1)對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的unicode碼。因此對於英語字母，UTF-8編碼和ASCII碼是相同的。
(2)對於n字節的符號（n>1），第一個字節的前n位都設爲1，第n+1位設爲0，後面字節的前兩位一律設爲10。剩下的沒有提及的二進制位，全部爲這個符號的unicode碼。
具體點說：
Unicode | UTF-8編碼方式
(十六進制) | （二進制）
---------------------+-----------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
舉個例子，“嚴”的unicode是4E25(100 1110 0010 0101二進制)，根據上表，可以發現4E25處在第三行的範圍內(0000 0800-0000 FFFF)，因此“嚴”的UTF-8編碼需要三個字節，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然後，從“嚴”的最後一個二進制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，“嚴”的UTF-8編碼是“11100100 10111000 10100101”，轉換成十六進制就是E4B8A5。
每次談及編碼必提一個著名的Bug，就是在Windows系統下，新建記事本，只寫入“聯通”二字，保存，關閉再打開會發現顯示亂碼，爲什麼呢？出現亂碼我之前說過一定是文件內容的保存與打開的編碼方式不同。
記事本的默認編碼方式是ANSI，在ANSI下敲入中文時用的是GB2312編碼，“聯通”在GB2312下的字符碼是C1AA CDA8
11000001 10101010 | 11001101 10101000
可以看出，這一段內碼的兩個部分正好都符合UTF-8的二字節格式，因此記事本會自動以UTF-8讀取文本，將其轉換成Unicode碼，而第二部分轉換成Unicode後不表示任何符號，因此無法正常顯示。