unicode中文编码表,字符集是什么
目录代码页ASCII代码lqdzfj、Latin-1 GB-xx、ANSI标准字符集和字节流Unicodeutf-8映射规则BOM代码页代码与exe的关系
代码页
代码页，也称为字符集代码。
表示映射关系。 例如，a字符如何存储在计算机中。
ASCII代码ascii:americastandardcodeforinformationinterchange
标准(基础) ASCII码，只使用了7位！ [ 0，127 ] [0x 00，0x7f ]共128个数字表示的文字。
最高有效位不参与字符编码
最高有效位用作“奇偶校验”。 奇偶校验有奇校验和偶校验两种方法。
在奇数检查中(假设数据传输没有错误) 7位数据中，如果1的个数是偶数，则最高有效位补1。
使得8位字节中的1的个数为奇数。 即，如果1字节8bit中1的个数为奇数，则数据转送是正确的
这128个字，用英语说已经足够了。
lqdzfj，Latin-1 lqdzfj :除了原始ASCII使用的[ 0，127 ]外，还附加了128个字符(包括其他国家语言的某些符号)
该代码称为ISO-8859-1 Latin-1，他是符号ISO和ANSI标准的。
Latin-1，他在下面[ 0，127 ]包含了ASCII标准，在上面[ 128，255 ]扩展了几个新字符。
ASCII代码是7位容器。 Latin-1是8位容器
也就是说，他使用了一个字节的所有空间。 也就是说，没有浪费空间
所有编码的字节流都可以按Latin-1编码处理。
对于Mysql数据库，缺省情况下使用Latin-1编码
GB-xx、ANSI标准已经可以用一个字节完全表达英语了。 但是，关于中文、日语、还不能充分表达
因此，必须用2个或更多字节表示。
于是，中国人发明了GB码系列。 GB2312，GBK
日语、韩语也有各自的代码。 与GB码相似。
规则是：
，不管用多少字节编码。 如果一个字节是【0，127】，他就一定要说“ascii！
，否则，该字节必须是【128，255】； 然后，将该字节和下一个字节组合起来，形成“汉字文字”
也就是说，GB代码是向后兼容的ascii代码！
例如GB-中文、GB-日语、GB-韩语。 这意味着每个国家都有自己的编码方法。
，这些GB代码统一称为ANSI
，其实是一个东西，只是称呼不同！ 例如，GB-中文代码他对应ANSI-936代码页上的两个名字，其实是一样的
GB代码统称为ANSI代码。
但是，我只知道是ANSI码还是乱码！ 必须是正确的。 是哪种语言的代码？
也就是说，应该是GB-中文，还是GB-日语，必须是正确的。
也就是说，GB-中文代码和GB-日文代码不兼容！ 完全对立和冲突的关系
也就是说，ANSI代码的文本不能同时有中文和日语！
所以，ANSI不是“字符编码”，而是美国的标准化团体。
各种GB-xx，其实他们之间完全不兼容，但统一命名为ANSI。 这是错误的历史性决定。
字符集字符集：规定(文字)与他对应(号码) ) )。
、通常从[0]开始，然后递增。 例如，决定0为文字(我)，1为文字，2为文字)。
字节流：规定(编号)和实际存储在计算机中的字节)之间的关系
、例如，确定了映射方法。 然后，该方法将(编号2 )对应的内存字节设为(0x3f，0x2f )。
、即，该字符(好的)是存储在计算机中的0x3f、0x2f (即，占2个字节) )。
时，为ANSI代码。 他的(字符集) ()字节流！
例如，在ansi-(GB2312 )中，他的字符集总共是=2字节字符。
对于，所有字符、内存字节都是2个字节。 然后，字节流=编号。
例如，如果某个字符(编号为3 )，则他保存在计算机上的是0 x 00，0 x 03
也就是说，什么是号码，什么是字节流。 ）
另一方面，unicode的(字符集)和(字节流)不是一一对应的。 需要映射算法。
Unicode Unicode (万国代码) (顾名思义，他用一种代码方式)可以表示世界上的所有字符)
首先，决定字符集。 此字符表的大小为0x 11 00 00。 (但是，现在实际使用的号码只有约0x 04 00 00个。
该字符表中，[ 0，127 ]对应于ascii表。
对应其他文字，号码小(通常，这个文字在全世界范围内
用频率较高）
字符中，的unicode编号是：20013
关键是介绍： 字节流。
如果还是使用 ANSI的映射规则， 则unicode的字节流，每个字符 都是占用3个字节！！
那么，如果我们文本里 全都是（英文字符），那么，多浪费了2倍的空间！！！
所以，对应映射规则（即对应的 字节流），其实有很多种方法！！！
utf： unicode transform format
utf-8映射规则 字符集字节流[0x0, 0x7f][0, abcdefg][0x80, 0x7ff][110, abcde] [10, abcdef][0x800, 0xffff][1110, abcd] [10, abcdef] [10, abcdef][0xffff, 0x10ffff][11110, abc] [10, abcdef] [10, abcdef] [10, abcdef]
可以看到，他是一种（变长的 字节流），目的就是： （让编号小的 占用的字节小）
图中的abcde..，表示 （可变的）bit
比如，具体看，0x80这个编号 是如何映射到 字节流上的：
他对应的是2个字节，从右侧可以看到，有11个bit 是可变的。
0x80对应到 11个bit上，是：000 1000 0000 即规则是： 把编号转到二进制，直接映射到 右侧的bit上
故，0x80的 字节流是： [110, 00010] [10, 000000]
而对应0x7ff，可以发现，他正好是11是1。 即，把右侧的bit 都占满。
即，左侧的编号：[l, r]。 （假设右侧有x个bit） ， 则有： r = (1 << bit) - 1
（当然，最后一行即4字节 那一组 除外，因为，unicode码 最大是0x10ffff）
可以发现，这种映射 并不是“双射”！！！
比如，拿第二组来看。
他右侧的11个bit，其实只使用了：>= 0x80的数， 而对于： 这11个bit里，< 0x80的，是没有使用的！！！
比如说： [110, 00000] [10, 000000] 这个字节流，就是未定义 未使用的！！！
（即，第二组 未使用：0x80个，第三组 未使用：0x800个！）
虽然浪费了，但是，这样的设计，对于两者间的转换，通过“移位操作”，就可以快速的进行 转换。
分析下，这种字节流的设计。
一个字符，大概可以分为2类：
ascii。 （则他只有1个字节，且该字节，第1位是0）非ascii。 （该字符有多个字节，假设他是有：n个字节）
[n个1, 0, abc..] [10, abcdef] [10, abcdef]
故，一个字节：
要么是[0, ...]，说明他是一个ascii要么是[n个1, 0, ..] n>=2，说明，（该字节 + 加后面的字节）一共组成n个字节，来表示一个字符。否则，就是[10, ...]，说明，该字节 不是 一个字符的 开头字节！！！
比如，已知在unicode码里，字符（中），对应的是：20013
20013 = 0x 4e 2d，他处在第三组[0x800, 0xffff]里。 即3个字节。
第三组是：[0x800, 0xffff] 对应：[1110, abcd] [10, abcdef] [10, abcdef]
右侧，有16个bit，0x4e 2d转换成16个bit后，是：0100, 1110, 0010, 1101，然后补充到右侧的abc..里
字节流为： [1110, 0100] [10, 111000] [10, 101101]。10进制为（228, 184, 173）
所以，比如，你的ide里，选择的 “编码方式”是： utf-8。
const char * s = "中";strlen(s) == 3;(U char)s[0] = 228;(U char)s[1] = 184;(U char)s[2] = 173; BOM
由于，utf有很多种：utf-8, utf-16, ...。
那么，如果不知道是什么编码方式，只能一个个的实验。
于是，出现了BOM byte order mark，标记头
在整个文件的最开头，加入FF FE等 （在utf字节流中，一定不存在FF, FE...）
即出现了：utf-8 with bom 和 utf-8 no bom
（一般，使用no bom）
代码页
946： gb2312
65001： utf-8
编码 与 exe的关系
其实，你的编码方式（gb，utf），跟exe运行 没什么关系！ 因为，exe就是：从（存储空间）的二进制数据 读出数据而且！！
编码方式，和ide的关系 很大。
比如，你的ide里，选择的是：utf-8。
那么，你的程序，在编译成exe后。程序里的数据，就是以（utf-8）格式 转换成 二进制后，存储在计算机里的！！！
开朗的酒窝运行exe时，exe只是从存储器里 读出这些二进制数据（不存在 格式问题！）
但是，这些二进制数据，以哪种方式，展示到你的屏幕上。 这需要你去指定。（比如，cmd里的CHCP 65001，即将二进制数据 以utf-8来展示）
因此，编码问题： （要么是，如何将字符转到二进制存储）（要么是，如何将二进制数据 转到字符来展示） 这都是程序运行没有关系