字符：字符是指计算机中使用的字母、数字、字和符号，包括：1、2、3、A、B、C、~！·#￥%……—*（）——+等等。 字符集：一组抽象字符的集合。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，中文字符集等。 编码字符：将字符内的字符排序，然后和二进制数字对应起来，这个字符集叫做被编码过的字符集，如：ASCII字符集、GB2312字符集、Unicode字符集等，这是字符集的另一种含义。我们通常所说的字符集是这个含义。 字符编码：编码字符集在计算机上的存取方式。一些字符集，如：ASCII字符集、GB2312字符集等不仅代表编码的字符集，也是默认的编码方式；而Unicode字符集有UTF-32、UTF-16、UTF-8等编码方式。
ANSI编码阶段
ASCII码： American Standard Code for Information Interchange，单字节编码，共128（0~127）个，用一个字节的低7位表示。0~31和127，共33个，表示控制字符，如：回车、换行、删除等；32~126是可打印字符，即可通过键盘输入并表示出来。存储英文文字是没有问题的，当时世界上所有的计算机都采用了这个编码。ASCII被定为国际标准之后的代号为ISO-646。ISO-8859-*系列： 当计算机传到西欧国家时，虽然那些西欧国家也使用拉丁字母语言，但是还是有些字符不同，再加上还有什么西里尔字母的东欧语言,希腊语,希伯来语等等,ASCII码就不够了，所以就把剩余的1位用上，这些字符集叫做扩展字符集。比如：ISO-8859-1是为英语做的扩展集，也叫做Latin-1；ISO-8859-7是希腊语的字符集等等。gb2312 当计算机传到中国时，由于汉字的个数远远大于256，所以我们直接将128~256之间的这字符取消掉，规定：前127个字符与ASCII相同，大于127的两个字符连在一起表示一个汉字，前面的一个字节(高字节)从0xA1用到0xF7,后面一个字节(低字节)从0xA1到0xFE,这样我们就可以组合出大约7000多个简体汉字了。GBK 它的出现是为了扩展 GB2312。它的编码范围是8140~FEFE（去掉XX7F），共23940个码位，共收录汉字和图形符号21886个，其中汉字（包括部首和构件）21003个，图形符号883个。它的编码和 GB2312，所以采用 GB2312 编码的字符可以使用 GBK 解码，但反之亦然。Unicode编码
Unicode： Unicode，全称：Universal Code，是一个由“Unicode学术学会”机构制定的字符编码系统，开始于上世纪80年代。 Unicode编码主要目标：制定一套包含全世界所有字符的编码方案。 Unicode最初的设计使用两个字节（65536个码位）存储所有的字符，但是很显然65536个码位是不够用的，当意识到这一点的Unicode大部分的规范已经制定完毕，也有相当程度的普及，完全推倒重来是不现实的。这成了一个遗留问题，也是surrogate pair这种蹩脚解决方案的发端。USC： 通用多八位编码字符集(Universal Multiple-Octet Coded Character Set)是ISO组织从1984年开始研究制定的一个全新的标准，标准编号为：10646。ISO的目标与Unicode学术学会一样。 UCS的结构是一个四维的编码空间,每一维由一个字节(八位二进制位)组成,范围是00到FF.于是,UCS总体上分为128个群组(Group 00-7F),每一群组由256个平面(Plane 00-FF)组成,每一平面有256行(Row 00-FF),每一行256个编码位(Cell 00-FF).所以,每一平面包括65,536个字符位(Character Position 0000-FFFF).整个编码字符集的每个字符都由4个字节,按“组-面-行-列”的顺序表示.所以UCS的可编码空间为:128 × 256 × 256 × 256.UCS将其第一个平面(00群组中的00平面)称作基本多语种平面（Basic Multilingual Plane,BMP）. 在UCS中,目前只有00组是重要的,Unicode学术学会断言,在可以预见的将来,甚至不可能用完00组中的前17个平面(00平面到10平面).因此,Unicode只定义了ISO 10646的第00组的前17个平面.事实上,目前绝大多数字符,都分配在第00平面BMP中. UCS有两种方式来表示一个字符编码:四字节正规形式(UCS-4,Four-octet canonical form)和双字节基本平面形式(UCS-2,Two-octet BMP form).UCS-4用4个字节来表示一个字符.第一个字节表示组,第二表示平面,第三表示行,第四表示单元号或列. 当系统只使用BMP的字符码时,可以省略群组和平面中的八位,将字符码由32个位缩短为16个位,标记为UCS-2.Unicode和UCS的合并： 由于Unicode和UCS目标一致，所以在1991，Unicode学术学会和UCS工作组开始讨论合并的问题。 Unicode和UCS-2同样采用16位编码. UCS-2在BMP中开辟了一个特殊的区间(D800 - DFFF)– 代理区,并平分成两个区,分别称为高半代理区(High-half Zone,D800 - DBFF)和低半代理区(Low-half Zone,DC00 - DFFF),各有1024个码位.使用时,从高低两个代理区中各取一个编码组成一个四字节的代理,来表示一个在BMP以外平面上的编码字符位.这样一来,总共可以多表示1024×1024个字符,映射到00群组中的01到10平面(共16个平面).Unicode的编码方式： Unicode只是一个字符集，并没有实际定义在计算机中存储方式，即Unicode 的实现方式.应该说,对Unicode编码的实现方式根据不同平台可以有不同实现.Unicode实现方式称为Unicode转换格式（Unicode Translation Format）： UTF-16：用两个字节来表示 Unicode 的转化格式，它采用定长的方法。UTF-16利用代理对来访问BMP之外的字符编码。 UTF-8：UTF-16 统一采用两个字节来表示一个字符，虽然表示上简单，方便，但是有很大一部分字符用一个字节就可以表示，这样浪费了存储空间，同时在现在网络带宽还非常有限的情况下，这样会增大网络传输的流量。而UTF-8 是一种可变长的编码方式，每个编码区域有不同的编码长度，每个字符都可以用 1~6 个字节表示。 UTF-8 的编码规则如下： 如果是一个字节，最高位为 0，则表示1个ASCII 字符。 如果是一个字节，以11开头，则连续的1的个数暗示这个字符的字节数，例如：110xxxxx 代表它是双字节 utf-8 字符的首字符。 如果一个字节以10开头，表示它不是首字节，需要向前查找才能得到当前字符的首字节。