GB18030和UTF-8有啥區別

GB18030和UTF-8有啥區別

回複內容：

GB18030和UTF-8有啥區別

GB18030 是中國的標準，國標(GB)，就是如何表示一個字元。Unicode只給出了一個字元的編號，並沒有規定如何表示(或者說儲存)，UTF-8規定了如何表示。所以說，GB18030 和 unicode+utf-8 是不同的字元表示方式，一個是中國制定的標準，一個是國際上的組織制定的標準。

電腦被發明的時候，人們認為不會像現在這麼流行，所以包括控制字元在內人們只定義了包括控制字元在內的128種符號，這就是 ASCII。

後來電腦流行到非英語國家，那麼他們有自己的語言需要電腦顯示。由於ASCII符號只有128個，而電腦一個位元組有8位，所以還有128個冗餘，於是他們用剩餘的128個冗餘表示他們自己國家的文字。不同的國家把這128個（其實是95個）定義成不同的字元，分別叫做ISO8859-1(Latin-1),ISO8859-2(Latin-2).....ISO8859-16(Latin-10)。額，中間有一部分不叫 Latin（好坑人呀）

但是在東亞，就說中國吧，128個顯然表示不了所有的漢字。所以就只能用兩個位元組表示一個漢字。於是規定，原始的 ASCII 還是用一個位元組表示，使用連續兩個位元組（這兩個位元組值都大於128）表示一個漢字。一共可以表示128×128=16384個漢字（實際沒有那麼多），叫做 GB2312。後來人們發現自己太傻，其實第一個位元組大於128的話，我們用連續兩個位元組表示一個漢字也不會出現歧義，所以規定，如果當前位元組小於128那麼就是標準的 ASCII，如果當前位元組大於128就用當前位元組和後面那個位元組表示一個漢字，所以可以表示（128×256=32768）個漢字，然後補充了一部分漢字，叫做 GBK。在此基礎上又增加了一部分漢字，這個版本叫做 GB18030。（東亞標準裡還有BIG5和CJK的故事）。

不同的國家有不同的標準，所以當大家交流的時候就不方便了。所以出現了兩個組織（忘記具體叫什麼了），開始著手統一全部的字元集（後來其中一個組織覺得另一個組織做就好了，主動退出了），叫做 Unicode。

但是 Unicode 只規定了一個字元的編號，並沒有規定具體怎麼表示。比如 A 編號65，具體表示的時候可以用一個位元組 0x41 表示，可以用兩個位元組表示 0x00 0x41，或者用四個位元組表示 0x00 0x00 0x00 0x41，而且多個位元組表示的話還有誰在前的問題。所以在 unicode 表示上出現了不同的標準。UTF-8 就是一種表示的標準（終於說到UTF-8了），不過具體怎麼表示就有點兒複雜了，是一種變長編碼，有些字元用一個位元組（相容ASCII，這就是為什麼UTF-8比較流行）有些用兩個有些三個。。。隨便百度了一個表示方式，就是把一個如何把一個數字轉成幾個位元組表示。

擴充：還有兩種標準 UTF-16，UTF-32,UTF-16統一個用兩個位元組或是四個位元組表示一個字元（java,javascript裡就是這種編碼，這其中還有USC定長編碼的故事），UTF-32統一用4個位元組，所以都不相容ASCII。既然是多位元組，就涉及位元組順序的問題。。。。

非常同意 @zonxin 不過我想說：

珍愛生命，遠離GBK/GB2312 （當然有點偏激， 但爺就這麼說了！）

當然utf8問題，微軟又整出個utf8 with bom 和 utf8 without bom，馬 丹啊當個程式員，容易嗎！

前者是中文字元集，後者是萬國碼，完全不同的字元集編碼！筆者建議好好瞭解一下字元編碼，可以參考一下這篇文章，字元編碼詳解

前者是字元集，相當於“都說些啥”，後者是編碼方式，相當於“該咋說”。

