GB2312

原始ASCII码范围是0-7F，包括英文字母、阿拉伯数字和标点符号等字符

拓展ASCII码拓展了80-FF

GB2312向下兼容ASCII，每个汉字以两个字节来表示，第一个字节称为“高位字节”（也称“区字节）”，第二个字节称为“低位字节”（也称“位字节”）。“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上 0xA0)。

UNICODE

UNICODE是一个字符集，它规定了符号的二进制代码

UTF-32

简单粗暴，直接使用4个字节储存所有字符。

UTF-16

UTF-16是一种变长编码，以16位无符号整数为单位，对于0-FFFF之间的字符，使用2个字节储存，对于10000-10FFFF之间的字符，使用4个字节储存，并且UTF-16没有任何单字节字符，所以并不兼容ASCII。

UTF-8

UTF-8支持单字节，可以向下兼容ASCII码，具体编码方式如下：

UNICODE编码 UTF-8字节流
000000 - 00007F 0xxxxxxx
000080 - 0007FF 110xxxxx 10xxxxxx
000800 - 00FFFF 1110xxxx 10xxxxxx 10xxxxxx
010000 - 10FFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

如上所诉，由于UTF-16不支持单字节字符，在网络中传输为了节省资源一般使用UTF-8，文件中中文字符多也可以使用UTF-16，解析速度更快。

BOM(Byte Order Mark)

字节顺序标记，插入到UNICODE编码数据开头的特殊标记，表示了数据的编码类型

编码 二进制数据
UTF-8 EF BB BF
UTF-16LE FF FE
UTF-16Be FE FF

UTF-16LE为小端存储，UTF-16Be为大段存储。

在C语言中使用宽字符

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
#include<stdio.h>
#include<Windows.h>
#include<stdlib.h>
#include<locale.h>


int main() {

  setlocale(LC_ALL, "");

  wchar_t str[] = L"测试";

  wprintf(L"%s\n", str);
  system("pause");


}