字符：字符是文字与符号的总称，包括文字、图形符号、数学符号等。

字符集：常常和一种具体的语言文字对应起来，该文字中的所有字符或者大部分常用字符就构成了该文字的字符集，比如英文字符集，中文字符集，日文字符集等。

字符编码：计算机要处理各种字符，就需要将字符和二进制内码对应起来，这种对应关系就是字符编码。

一．几种常用的编码。

1）ASCII码是7位编码，编码范围是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯数字和标点符号等字符。其中0x00-0x20和0x7F共33个控制字符。只支持ASCII码的系统会忽略每个字节的最高位，只认为低7位是有效位。HZ字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。早期很多邮件系统也只支持ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。

2）GB2312。我们聪明的中国人一眼就看出博大精深的中文字符怎么编码呢？这么简单的一个字节你能表示中文字符！别做梦了！谁让我们聪明呢，一个字符不行，可以用两个表示。聪明的程序员就提出了用两个字节表示一个中文字符。那么问题又出来了，怎么区分英文字符和中文字符呢？难道cpu是智能的不成？不，cup不是神仙，聪明的程序员把中文字符的两个字节的第一位设置为1，这样在处理中英文混和的字符时，只要发现某个字节的首位是1,就把两个字节表示为一个字符。说到这里，也许你已有点那么个明白的意思了。原来如此，GB2312也只不过是按照和ASCII相同的处理方式对字符处理，只不过是对中文有了两个字符，英文还和ASCII字符集的编码相同占一个字符。说了如此之多，才仅仅对GB2312一点点理解而已，请看下面对GB2312的说明：

GB2312是基于区位码设计的，区位码把编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。区位码一般用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。它将收录的汉字分成两级：第一级是常用汉字计3755个，置于16-55区，按汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。一级汉字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。 

GB2312字符集中除常用简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语西里尔字母等字符，未收录繁体中文汉字和一些生僻字。可以用繁体汉字测试某些系统是不是只支持GB2312编码。 

GB2312的编码范围是0xA1A1-0x7E7E，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。

3）GBK 字集是简繁字集,包括了GB字集、BIG5字集和一些符号，共包括21003个字符。中国的汉字太多了，我们很快就就发现有许多人的人名没有办法在这里打出来。于是我们不得不继续把 GB2312 没有用到的码位找出来老实不客气地用上。后来还是不够用，于是干脆不再要求低字节一定是127号之后的内码，只要第一个字节是大于127就固定表示这是一个汉字的开始，不管后面跟的是不是扩展字符集里的内容。结果扩展之后的编码方案被称为 GBK 标准，GBK 包括了 GB2312 的所有内容，同时又增加了近20000个新的汉字（包括繁体字）和符号。

4) GB18030是国家制定的一个强制性大字集标准,它的推出使汉字集有了一个“大一统”的标准。GB18030编码向下兼容GBK和GB2312，兼容的含义是不仅字符兼容，而且相同字符的编码也相同。GB18030收录了所有Unicode3.1中的字符，包括中国少数民族字符，GBK不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收录在内。GB18030的单字节编码范围是0x00-0x7F，完全等同与ASCII；双字节编码的范围和GBK相同，高字节是0x81-0xFE，低字节的编码范围是0x40-0x7E和0x80-FE；四字节编码中第一、三字节的编码范围是0x81-0xFE，二、四字节是0x30-0x39。

5)Unicode。Unicode可以说是计算机字符编码的一个伟大变革，之所以说它伟大，就像大家说秦始皇伟大一样，秦始皇不但统一了六国，更统一了文字和钱币。那么Unicode可以说是世界上任何字符的一个集合。Unicode为每个字符提供了唯一的特定数值，不论在什么平台上、不论在什么软件中，也不论什么语言。也就是说，它把世界上使用的所有字符都列出来，并给每一个字符一个唯一特定数值。

6) utf-8。由于Unicode是一种双字节编码，可能有些非常不常用的字符再加到Unicode字符集了，两位字节都无法表示，因而可能需四个字节表示。这样，如果统一使用Unicode作为一种编码方式，确实太浪费。那么聪明的人类就想出了用utf系列的方式来编码unicode，也就是说utf8是对unicode的一种存储和传输编码方式。UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~多个字节表示一个符号，根据不同的符号而变化字节长度。他是怎么样编码的呢？UTF-8的编码规则很简单，只有二条：

a.对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

b.对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

下表总结了编码规则，字母x表示可用编码的位。

Unicode符号范围 | UTF-8编码方式

(十六进制) | （二进制）

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx10xxxxxx

0000 0800-0000 FFFF | 1110xxxx10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx10xxxxxx 10xxxxxx 10xxxxxx

下面，以汉字“严”为例，演示如何实现UTF-8编码。

已知“严”的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（00000800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

7)utf-16，utf-32。Utf-16和utf-32分别是Unicode的16位和32位编码方式。考虑到最初的目的，通常说的Unicode就是指utf-16(也就是说两位字节的unicode版本正好可以用utf-16体现，既utf-16的编码就是unicode码本身)。

二．对以上几中编码的一个总结：

1）我们可以把上面的ascii，gb2312, gbk, gb13080看成同一系列的编码，即从后往前都是兼容的，都是对原ascii中对应的字符采取一位编码，其他字符采取双字节编码。这几类编码可以统一理解位ascii系列的编码（本人自造的名词），因为他们在编程语言，甚至计算机处理过程种都是一样的。

2）utf-8, utf-16, utf-32可以归纳位unicode系列的编码，因为这三种编码计算机中要找到他们对应的字符的话，都是对应到他们所表示的unicode码所对应的字符。

3）utf-8中对应的原ascii中的编码和第1)项中里面涉及到的编码也是相同的，即对英文字符都是兼容的，为一个字节。

4）不要太过多的关注Unicode到底是一种字符集还是一种编码。这个概念网络上有的说的很绝对，即unicode只是一种字符集，不是一种编码。但是如果编码和其unicode值完全相同，我们把unicode认为是一种编码又有什么关系呢？况且windows中的记事本程序中就完全把文件保存成unicode编码格式的选项。如果非要硬说unicode只是一种字符集合，那么我们可以认为utf-16是我们平常所说的unicode编码。

三．程序开发，编译环境中采用的字符编码

其实这个问题很明确，在VC中，支持两种编码，一种是unicode形式的，一种是ascii形式的编码。比如你可以定义一个CString str1= “a中国”,这个str1会默认的编译为ascii形式。而如果你写成 CString str2= L“a中国”,这时候他就会是双字节的，可以认为是unicode形式的。因为VC中的unicode只有两位，没有对一些太不常用的字符支持。在苹果mac中，xcode对字符串是采用的utf-8编码。

http://blog.csdn.net/vcrwx/article/details/7656995