GB18030和UTF-8有啥区别

GB18030和UTF-8有啥区别

回复内容：

GB18030和UTF-8有啥区别

GB18030 是中国的标准，国标(GB)，就是如何表示一个字符。Unicode只给出了一个字符的编号，并没有规定如何表示(或者说保存)，UTF-8规定了如何表示。所以说，GB18030 和 unicode+utf-8 是不同的字符表示方式，一个是中国制定的标准，一个是国际上的组织制定的标准。

计算机被发明的时候，人们认为不会像现在这么流行，所以包括控制字符在内人们只定义了包括控制字符在内的128种符号，这就是 ASCII。

后来计算机流行到非英语国家，那么他们有自己的语言需要计算机显示。由于ASCII符号只有128个，而计算机一个字节有8位，所以还有128个冗余，于是他们用剩余的128个冗余表示他们自己国家的文字。不同的国家把这128个（其实是95个）定义成不同的字符，分别叫做ISO8859-1(Latin-1),ISO8859-2(Latin-2).....ISO8859-16(Latin-10)。额，中间有一部分不叫 Latin（好坑人呀）

但是在东亚，就说中国吧，128个显然表示不了所有的汉字。所以就只能用两个字节表示一个汉字。于是规定，原始的 ASCII 还是用一个字节表示，使用连续两个字节（这两个字节值都大于128）表示一个汉字。一共可以表示128×128=16384个汉字（实际没有那么多），叫做 GB2312。后来人们发现自己太傻，其实第一个字节大于128的话，我们用连续两个字节表示一个汉字也不会出现歧义，所以规定，如果当前字节小于128那么就是标准的 ASCII，如果当前字节大于128就用当前字节和后面那个字节表示一个汉字，所以可以表示（128×256=32768）个汉字，然后补充了一部分汉字，叫做 GBK。在此基础上又增加了一部分汉字，这个版本叫做 GB18030。（东亚标准里还有BIG5和CJK的故事）。

不同的国家有不同的标准，所以当大家交流的时候就不方便了。所以出现了两个组织（忘记具体叫什么了），开始着手统一全部的字符集（后来其中一个组织觉得另一个组织做就好了，主动退出了），叫做 Unicode。

但是 Unicode 只规定了一个字符的编号，并没有规定具体怎么表示。比如 A 编号65，具体表示的时候可以用一个字节 0x41 表示，可以用两个字节表示 0x00 0x41，或者用四个字节表示 0x00 0x00 0x00 0x41，而且多个字节表示的话还有谁在前的问题。所以在 unicode 表示上出现了不同的标准。UTF-8 就是一种表示的标准（终于说到UTF-8了），不过具体怎么表示就有点儿复杂了，是一种变长编码，有些字符用一个字节（兼容ASCII，这就是为什么UTF-8比较流行）有些用两个有些三个。。。随便百度了一个表示方式，就是把一个如何把一个数字转成几个字节表示。

扩展：还有两种标准 UTF-16，UTF-32,UTF-16统一个用两个字节或是四个字节表示一个字符（java,Javascript里就是这种编码，这其中还有USC定长编码的故事），UTF-32统一用4个字节，所以都不兼容ASCII。既然是多字节，就涉及字节顺序的问题。。。。

非常同意 @zonxin 不过我想说：

珍爱生命，远离GBK/GB2312 （当然有点偏激， 但爷就这么说了！）

当然utf8问题，微软又整出个utf8 with bom 和 utf8 without bom，马 丹啊当个程序员，容易吗！

前者是中文字符集，后者是万国码，完全不同的字符集编码！笔者建议好好了解一下字符编码，可以参考一下这篇文章，字符编码详解

前者是字符集，相当于“都说些啥”，后者是编码方式，相当于“该咋说”。