GBK UTF8 GB2132

　　GBK就是在保存你的帖子的时候，一个汉字占用两个字节,外国人看会出现乱码，为此我中华为自己汉字编码而形成之解决方案。

　　UTF8就是在保存你的帖子的时候，一个汉字占用3个字节。但是外国人看的话不会乱码。为此西人为了解决多字节字符而形成之解决方案。

　　ASCII（ISO-8859-1）是鼻祖，最简单的方式，字节高位为0

　　GB2312、GBK、GB18030，这几个是中文编码方式，并向下兼容。GB2312包含7000多个汉子和字符，GBK包含21000多个，GB18030更厉害，到了27000多个。他们都是用2个字节来表示一个汉字。跟ASCII是怎么区分的呢？如果高字节的高位为1（也就是高字节大于127），就表示是汉字，低字节并无明显特征。

　　Unicode是统一编码，它建立了一个全世界统一的码表。世界上的所有文字，在这张码表中都是唯一的。

　　UTF－8是Unicode的一种存储、传输方式。它将整个Unicode码表分为3部分。

　　0000 - 007F 这部分是最初的ascii部分，按原始的存储方式，即0xxxxxxx。

　　0080 - 07FF 这部分存储为110xxxxx 10xxxxxx

　　0800 - FFFF 这部分存储为1110xxxx 10xxxxxx 10xxxxxx

　　因此，一个汉字究竟被存储为什么，就需要：先查unicode码表，然后根据在码表的位置进行计算。例如：“电”字，在码表中是3575，计算成utf8就是E794B5，而在GB2312的码表中为B5E7

　　UTF－8的好处：兼容ASCII，存储英文文件都是单字节，文件小。当然，当以存中文为主时就变成了3字节编码了，比GB系列还大！如何标明一个文件是utf8格式呢？这个标记是可选的：EF BB BF。比如，用windows自 带的记事本创建一个utf8格式的文件，就会加上这个标记。但是，如果用ultraedit创建utf8文件，并不会加上这个标记。这个标记有个术语，叫 做BOM（Byte Order Mark）。不带BOM的utf8文件和GB2312文件怎么区分呢？我也不知道。唯一能想到的办法就是：先用一种试，如果出现乱码，就用另一种再试

　　UTF－16是双字节存储，这就带来一个问题，即高低字节的顺序。两个字节有两种顺序，它们也用BOM来标明。分为大尾码和小尾码两种。大尾码的BOM是FEFF，小尾码的BOM是FFFE

　　GBK 的中文编码是双字节来表示的，英文编码是用ASC||码表示的，既用单字节表示。但GBK编码表中也有英文字符的双字节表示形式，所以英文字母可以有2种GBK表示方式。为区分中文，将其最高位都定成1。英文单字节最高位都为0。当用GBK解码时，若高字节最高位为0，则用ASC||码表解码；若高字节最 高位为1，则用GBK编码表解码

　　至于UTF－8编码则是用以解决国际上字符的一种多字节编。码，它对英文使用8位（即一个字节），中文使用24位（三个字节）来编码。对于英文字符较多的论坛则用UTF－8节省空间。

　　GBK包含全部中文字符，UTF-8则包含全世界所有国家需要用到的字符。

GBK是在国家标准GB2312基础上扩容后兼容GB2312的标准（好像还不是国家标准）

UTF-8编码的文字可以在各国各种支持UTF8字符集的浏览器上显示。

比如，如果是UTF8编码，则在外国人的英文IE上也能显示中文，而无需他们下载IE的中文语言支持包。

所以，对于英文比较多的论坛 ，使用GBK则每个字符占用2个字节，而使用UTF－8英文却只占一个字节。

但是如果UTF8中出现中文那就是3个字节～～具体的自己权衡。

转自：http://blog.163.com/cmdbat@126/blog/static/17029212320135297400353/