中文编码问题

中文编码主要有以下四种： 


GB2312:简体中文编码，一个汉字占用2字节，在大陆是主要编码方式。当文章/网页中包含繁体中文、日文、韩文等等时，这些内容可能无法


被正确编码。 


BIG5:繁体中文编码。主要在台湾地区采用。 


GBK:支持简体及繁体中文，但对他国非拉丁字母语言还是有问题。 


UTF-8:Unicode编码的一种。Unicode用一些基本的保留字符制定了三套编码方式，它们分别UTF-8,UTF-16和UTF-32。在UTF－8中，字符是以8


位序列来编码的，用一个或几个字节来表示一个字符。这种方式的最大好处，是UTF－8保留了ASCII字符的编码做为它的一部分。UTF-8俗称


“万国码”，可以同屏显示多语种，一个汉字占用3字节。为了做到国际化，网页应尽可能采用UTF-8编码。


当然，处理中文时http头也要改成UTF-8编码的-----加上<meta http-equiv="Content-Type" content="text/html; charset=utf-8">。 


字符集 
常用字符集分类 
ASCII及其扩展字符集 
作用：表语英语及西欧语言。 
位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。 
范围：ASCII从00到7F，扩展从00到FF。 
ISO-8859-1字符集 
作用：扩展ASCII，表示西欧、希腊语等。 
位数：8位， 
范围：从00到FF，兼容ASCII字符集。 
GB2312字符集 
作用：国家简体中文字符集，兼容ASCII。 
位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。 
范围：高字节从A1到F7, 低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。 
BIG5字符集 
作用：统一繁体字编码。 
位数：使用2个字节表示，表示13053个汉字。 
范围：高字节从A1到F9，低字节从40到7E，A1到FE。 
GBK字符集 
作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。 
位数：使用2个字节表示，可表示21886个字符。 
范围：高字节从81到FE，低字节从40到FE。 
GB18030字符集 
作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。 
位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字。 
范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39。 
UCS字符集 
作用：国际标准 ISO 10646 定义了通用字符集 (Universal Character Set)。它是与UNICODE同类的组织，UCS-2和UNICODE兼容。 
位数：它有UCS-2和UCS-4两种格式，分别是2字节和4字节。 
范围：目前，UCS-4只是在UCS-2前面加了0x0000。 
UNICODE字符集 
作用：为世界650种语言进行统一编码，兼容ISO-8859-1。 
位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32。 


 


按所表示的文字分类 


语言                             字符集                                正式名称 


英语、西欧语                ASCII，ISO-8859-1        MBCS 多字节 


简体中文                      GB2312                          MBCS 多字节 


繁体中文                      BIG5                               MBCS 多字节 


简繁中文                      GBK                                MBCS 多字节 


中文、日文及朝鲜语       GB18030                        MBCS 多字节 


各国语言                      UNICODE，UCS              DBCS 宽字节