位（bit）、位元組（byte）、字元、編碼

1、位：

也叫比特位，資料存儲的最小機關。每個二進制數字0或者1就是1個位；

2、位元組：

8個位構成一個位元組。即：1 byte (位元組)= 8 bit (位)；

1 B = 1 byte (位元組)

1 KB = 1024 B(位元組)；

1 MB = 1024 KB; (2^10 B)

1 GB = 1024 MB; (2^20 B)

1 TB = 1024 GB; (2^30 B)

3、字元：

a、A、中、+、*、の......均表示一個字元；

一般 utf-8 編碼下，一個漢字字元占用 3 個 位元組；

一般 gbk 編碼下，一個漢字字元占用 2 個 位元組；

4、字元集：

即各種各個字元的集合。也就是說漢字，字母（A、b、c）和符号（空格、引号..）會被收入标準中；

5、編碼：

規定每個“字元”分别用一個位元組還是多個位元組存儲，用哪些位元組來存儲，這個規定就叫做“編碼”。（其實際是對字元集中進行編碼，即：每個字元用二進制在計算中表示存儲）；

通俗的說：編碼就是按照規則将字元翻譯成對應的二進制數，在電腦中運作存儲，使用者看的時候（比如浏覽器），再用對應的編碼解析成使用者可看懂的。

（1）标準ASCii字元集：有96個列印字元，和32個控制字元組成；一共96+32=128個；

用7位二進制數來對每1個字元進行編碼；

而由于7位還還不夠1個位元組，而電腦的内部常用位元組來用處理，每個位元組中多出來的最高位用0替代；

0 000 0000.........................0

0 111 1111..........................127； 從0----127，來表示128個ACSii編碼；

比如：字元 'A'----------在電腦内部用0100 0001 （65）來表示；

字元'a'-----------在電腦内部用0 110 0001 （97）來表示；

注意：'10'在電腦内部是沒有編碼的，因為它是字元串，而不是單個字元。可以分别對1,0字元編碼存儲；

（2）擴充ASCii字元集：将标準的ASCii最高位1，得到十進制代碼128---255（1 000 0000----1 111 1111）；是以字元集一共有0---255, 256個字元；

（3）gb2312字元集: 所有漢字字元在計算機内部采用2個位元組來表示，每個位元組的最高位規定為1【正好與标準ASCii字元（最高位是0）不重疊，并相容】，不支援繁體字；

是以，gb2312表示漢字的編碼為：[129--255][129--255] (兩個位元組，每個位元組最高位是1)；小于127的字元，與ASCii編碼相同；

（4）gbk字元集：gb2312的擴充，相容gb2312，除了收錄gb2312所有的字元外，還收錄了其他不常見的漢字、繁體字等；

gbk中字元是一個或兩個位元組，單位元組字元00--7F（0---127）這個區間和ASCII是一樣的；

雙位元組字元的第一個位元組是在81--FE（129--254）之間。通過這個可以判斷是單位元組還是雙位元組；

即：在gbk字元編碼，如果第一個位元組是>128的，則再往後找一個位元組，組成漢字；如果第一個位元組<128,則表示的是一個單位元組（此時和ASCII是一樣的）；

（5）Unicode字元集：容納世界上所有語言字元和符号的集合；（以及對應的二進制數字）；

Unicode隻是一個編碼規範，目前實際實作的unicode編碼隻要有三種：UTF-8,UCS-2和UTF-16，三種unicode字元集之間可以按照規範進行轉換。

（6）utf-8編碼：UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字元編碼，也是一種字首碼。它可以用來表示Unicode标準中的任何字元，且其編碼中的第一個位元組仍與ASCII相容，這使得原來處理ASCII字元的軟體無須或隻須做少部分修改，即可繼續使用。是以，它逐漸成為電子郵件、網頁及其他存儲或發送文字的應用中，優先采用的編碼。