首先，我們要知道一些概念和標準。
字符和字節是兩個容易混淆的概念，下面我們來看一下它們的含義。
• 字符：人們用來表示某種意義的符號，如“1”、“a”、“字”等。
• 字節：字節是存儲空間的基本計量單位，由8個二進制位構成。
• 字符串：零個或多個字符組成的有限序列。
• 字符集：字符的集合，由於歷史原因形成了多種標準，主要包括以下幾種：
ASCII字符集
ANSI字符集
Unicode字符集
這些字符集包含什麼又有什麼關係呢？
這個問題的答案就是計算機字符集的發展歷史。
ASCII（美國信息交換標準委員會American Standards Committee for Information Interchange）字符集，是計算機產生之初爲英文通信設計的7位字符集。包含了基本的英文字母、數字、標點符號等128個字符。
隨着計算機的廣泛應用，爲了可以在計算機中保存更多的信息，增加了新的字母、符號，還加入了很多畫表格時需要用到的橫線、豎線、交叉等形狀。這些新增的字符從用128到255之間的數字進行表示，它們構成的字符集通常被稱爲“擴展字符集”。
計算機進入中國後爲了表示漢字（僅常用漢字就有6000多個），我們規定：一個小於127的字符的意義與原來相同，但兩個大於127的字符連在一起時，就表示一個漢字，前面的一個字節（稱爲高字節）從0xA1用到0xF7，後面一個字節（稱爲低字節）從0xA1到0xFE，這樣就可以組合出7445個簡體漢字。在這些編碼裏，還把數學符號、羅馬希臘的字母、日文的假名都編進去了，連在ASCII裏本來就有的數字、標點、字母都統統重新編成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。這種漢字方案叫做“GB2312”，是對ASCII的中文擴展。
由於漢字太多，我們不得不再一次增加字符的使用範圍，只要第一個字節大於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。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。後來我們再擴展，又加了幾千個新的少數民族的字，GBK擴成了GB18030。
程序員們將其通稱爲“DBCS”（雙字節字符集Double Byte Charecter Set），最大的特點是兩字節長的漢字字符和一字節長的英文字符並存，因此中文處理時必須要注意字串裏每一個字節的值，如果這個值是大於127的，就可以將下兩個字節作爲一個雙字節編碼，而不用管低字節的高位是什麼。
與此同時各個國家和地區所制定的不同ANSI編碼標準中，都只規定了各自語言所需的“字符”。這些ANSI編碼標準所規定的內容包含兩層含義：
標準中包含哪些文字和符號，而這些“字符”的集合稱爲“字符集”。
規定每個“字符”分別用幾個字節存儲。用什麼值來表示這些字符，這個規定就叫做“編碼”。
因爲當時各個國家都搞出一套自己的編碼標準，結果互相之間誰也不懂誰的編碼，誰也不支持別人的編碼，連中國大陸和中國臺灣使用着同一種語言的地區，也分別採用了不同的DBCS編碼方案——GB2313（中國大陸）和BIG5（中國臺灣）編碼，裝錯了字符系統，顯示就會亂了套。
這時，ISO的國際組織決定着手解決這個問題。他們重新搞了一個包括地球上所有文字和符號的編碼——“Universal Multiple-Octet Coded Character Set”，簡稱UCS，就是我們現在常說的“Unicode”。
Unicode在制定時沒有考慮與任何一種現有的編碼方案保持兼容，這使得GBK與Unicode在漢字的內碼編排上是完全不一樣的，沒有一種簡單的算法可以使文本內容在Unicode編碼和ANSI編碼間進行轉換，這種轉換必須通過查表來進行。
Unicode開始制定時，計算機的存儲器容量極大地發展了，空間再也不成爲問題了。於是ISO就直接規定必須用兩個字節，也就是16位來統一表示所有的字符，對於ASCII裏的那些字符，Unicode保持其原編碼不變，只是將其長度由原來的8位擴展爲16位，而其他語言的文字和符號則全部重新統一編碼。由於英文符號只需要用到低8位，所以其高8位永遠是0，因此這種方案在保存英文文本時會浪費一倍的空間。
從Unicode開始，無論是半角的英文字母，還是全角的漢字，都是統一的“一個字符”。同時，也都是統一的“兩個字節”（這裏要注意“字符”和“字節” 兩個概念的不同，“字節”是物理存儲的基本計量單位，而“字符”則是一個文化相關的符號）。在Unicode中，一個字符就是兩個字節。
多種字符集存在時，那些生產多語言軟件的公司爲了在不同的國家銷售同一套軟件，就不得不在區域化軟件時注意雙字節字符集，不僅要處處小心不要搞錯，還要把軟件中的文字在不同的字符集中轉來轉去。Unicode對於他們來說是一個很好的一攬子解決方案，於是從Windows NT開始，微軟把它們的操作系統改了一遍，把所有的核心代碼都改成了用Unicode方式工作的版本，從這時開始，Windows系統終於無須加裝各種本土語言系統，就可以顯示全世界上所有文化的字符了。
如前所述，Unicode是用兩個字節來表示一個字符，總共可以組合出65535個不同的字符，這大概已經可以覆蓋世界上所有文化的符號。如果還不夠也沒有關係，ISO已經準備了UCS-4方案，就是四個字節來表示一個字符，這樣就可以組合出21億個不同的字符（最高位規定爲0）。
爲了解決Unicode的傳輸問題，產生了面向傳輸的UTF（通用字集轉換格式——Universal Character Set Transformation Format）標準，顧名思義，UTF-8就是以8位爲單元對UCS進行編碼，UTF-16以16位爲單元對UCS進行編碼，Unicode與UTF之間可以通過一些算法和規則來相互轉換。
聞香止步 淘寶 拍拍 有啊 易趣店 收集於：http://blog.csdn.net/broadview2006/archive/2009/06/02/4234795.aspx
常年經營木雕系列產品：海南黃花梨、越南黃花梨、草花梨、小葉紫檀、黑檀、綠檀木、黃楊木、桃木髮簪 木梳 樟木壁掛 佛珠 車飾 擺件
收藏送禮佳品，也可訂做
http://shop36570193.taobao.com
朋友，有空來看看，喜歡的朋友請收藏