引言：
字符编码是计算机技术的基石，想成为顶级的计算机大师，熟练应用计算机技术，就必须要熟练懂得一些常用字符编码，了解其他的一些非常用字符编码方法的知识。最近在做中文域名注册系统，中文字符的编码问题就围绕在我脑海里面，这其中的转换关系，也不是件简单的事情，基于此，我要彻底搞明白这些编码的问题，并把其中的转换关系，以及域名相关的编码要求都要搞清楚。林语堂先生说过：一件事情或工具，只知道怎么用，而不清楚其中的道理，实在不是件高明的事（义译）。借用一下这个文人的话，表达我想彻底搞定字符编码问题的决心吧。
ASCII:(American Standard Code for Information Interchage:美国信息互换标准代码)
是基于拉丁字母的一套电脑编码系统。它是现今最通用的单字节编码系统，并等同于国际标准：ISO/IEC 646。主要基于拉丁字母编码，是标准的单字节字符编码方案，用于基于文本的数据，供不同计算机在相互通讯时用作共同遵守的西文字符编码标准。
我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位bit）有0和1两种状态，因此八位二进制就可以组合出256中状态，这被称为一个字节（byte）。也就是说，一个字节一共可以表示出256中不同的状态，每一个状态对应一个符合，就是256个符号，从00000000到11111111。
上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。
ASCII码一共规定了128个字符的编码，比如空格“SPACE”是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。
同时还要注意，在标准ASCII中，其最高位(b7)用作奇偶校验位。所谓奇偶校验，是指在代码传送过程中用来检验是否出现错误的一种方法，一般分奇校验和偶校验两种。奇校验规定：正确的代码一个字节中1的个数必须是奇数，若非奇数，则在最高位b7添1；偶校验规定：正确的代码一个字节中1的个数必须是偶数，若非偶数，则在最高位b7添1。
后128个称为扩展ASCII码，目前许多基于x86的系统都支持使用扩展（或“高”）ASCII。扩展 ASCII 码允许将每个字符的第 8 位用于确定附加的 128 个特殊符号字符、外来语字母和图形符号。
问题提出：
英语用128个符号编码就够了，但是这样不能满足其他说英语国家的需求，比如英国的英镑£符号在ASCII码中就没有体现。并且用来表示其他语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。
但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0—127表示的符号是一样的，不一样的只是128—255的这一段。
至于亚洲国家的文字，使用的符号就更多了，汉字就多达10万左右。一个字节只能表示256种符号，肯定是不够的，就必须使用多个字节表达一个符号。比如，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。因此其他编码方式及标准的提出，成为必要。
汉字编码：
一．简体字
1. GBK：汉字国际扩展码，基本上采用了原来GB2312-80所有的汉字及码位，并涵盖了原Unicode中所有的汉字20902，总共收录了883个符号，21003个汉字及提供1894个造字码位，又由于GBK同时也涵盖了Unicode所有CJK汉字，所以也可以和Unicode做一一对应。GBK编码是中国大陆制订的、等同于UCS的新的中文编码扩展国家标准。GBK工作小组于1995年10月，同年12月完成GBK规范。该编码标准兼容GB2312，简、繁体字融于一库。GBK码对字库中偏移量的计算公式为：
[(GBKH-0xB0)*0x5E+(GBKL-0xA1)]*(汉字离散后每个汉字点阵所占用的字节)
2. GB2312：是中华人民共和国国家汉字信息交换用编码，全称《信息交换用汉字编码字符集——基本集》，由国家标准总局发布，1981年5月1日实施，通行于大陆、新加坡等地也使用此编码。GB码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。整个字符集分成94个区，每区有94个位。每个区位上只有一个字符，因此可用所在的区和位来对汉字进行编码，称为区位码。这个码是唯一的，不会有重码字。把换算成十六进制的区位码加上2020H，就得到国标码。国标码加上8080H，就得到常用的计算机机内码。同时，GB
2312收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。GB 2312的出现，基本满足了汉字的计算机处理需要，它所收录的汉字已经覆盖中国大陆99.75%的使用频率。对于人名、古汉语等方面出现的罕用字，GB 2312不能处理，这导致了后来GBK及GB 18030汉字字符集的出现。GB 2312中对所收汉字进行了“分区”处理，每区含有94个汉字/符号。这种表示方式也称为区位码。01-09区为特殊符号。16-55区为一级汉字，按拼音排序。56-87区为二级汉字，按部首/笔画排序。10-15区及88-94区则未有编码。举例来说，“啊”字是GB2312之中的第一个汉字，它的区位码就是1601。在使用GB2312的程序中，通常采用EUC储存方法，以便兼容于ASCII。浏览器编码表上的“GB2312”，通常都是指“EUC-CN”表示法。每个汉字及符号以两个字节来表示。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)。由于一级汉字从16区起始，汉字区的“高位字节”的范围是0xB0-0xF7，“低位字节”的范围是0xA1-0xFE，占用的码位是 72*94=6768。其中有5个空位是D7FA-D7FE。例如“啊”字在大多数程序中，会以两个字节，0xB0（第一个字节） 0xA1（第二个字节）储存。区位码=区字节+位字节（与区位码对比：0xB0=0xA0+16,0xA1=0xA0+1）。
3. GB18030：是我国继GB2312-1980和GB13000-1993之后最重要的汉字编码标准，是我国计算机系统必须遵循的基础性标准之一。
4. HZ： HZ是一种INTERNET上常见的编码方案之一，它只对高位为1的字符(如汉字的双字节内码)进行编码，具体方法是将最高位屏蔽，只保留低7位，并将经过变换后的部分用符号～｛和～｝括起来，解码的时候只需将括号对内的部分高位置为1就可以正确地还原了。
5. ISO-2022-CN：（暂时不考虑）
二．繁体字
1. Big5：BIG-5码是通行于台湾、香港地区的一个繁体字编码方案，俗称“大五码”。地区标准号为：CNS11643，这就是人们讲的BIG-5码。
2. Big5-HKSCS：
3. EUC-TW： EUC-TW本来是台湾使用的其中一个汉字储存方法，以CNS11643字表为基础。但是台湾普遍使用大五码，EUC-TW甚少使用。
Unicode:(其实现方式)
3. UTF-16LE
4. UTF-16BE
5. UTF-32
6. UTF-32LE
7. UTF-32BE
8. UCS-2(USC-2只能用存储两个字节的Unicode，超过这一范围的符号，它不能表示。)
Base64/32：
Raix-64
PunyCode：
整数编码：
浮点数编码：