起源——ASCII
计算机是美国首先发明。
为了将需要的可见字符（数字，标点符号，英文字母）和控制字符在计算机中进行存储运用，美国人将这些字符（128个，95个可见字符，33个控制字符）进行了编码，于是有了ASCII字符集；并且为了方便对照存储，他们直接将字符对应的码位转化为二进制存储（ASCII码）。
发展1——拓展ASCII
因为美国开始时就在本国使用计算机，所以表示128个字符的ASCII码完全够用。但随着计算机开始被欧洲国家使用，128个字符就不够用了。
因此他们对原有的ASCII就行了扩展：将原有的ASCII的开头位由0改为了1，从而使128个字符拓展到256个字符，解决了欧洲国家的计算机编码问题。
发展2——GB2312
虽然拓展ASCII码解决了欧洲国家的问题，但当计算机来到中国时，那怕256个码位全放汉字，也是远远不够。
为此我们设计将1个字节，扩展为2个字节（用16位来表示一个字符）。同时我们采用分区管理（方便查找管理），将8836个码位，分为94个区，每个区含94个码。其中1-9区收录了除汉字以外的682个字符；10-15和88-94区为空白区，没有使用；16-55取收录了3755个一级汉字，按拼音排序；56-87区收录了3008个二级汉字，并以部首和笔画排序。
这就是GB2312字符集。该字符集的码位由区号＋行数＋列数组成四位数。在存储时，我们将码位一分为二，分别转化为十六进制并加上A0,将最终得到的值组合，便可得到相应的GB2312码。
猜测：加A0使GB2312码的高八位和低八位都大于127，方便区分、兼容ASCII码。
发展3——GBK，GB18030
GBK
尽管GB2312已经收录了6763个汉字，但汉字太多了，还是有点不够。所以我们有对其进行了扩充：将之前一些没有使用的码位都用上，并且只规定其高位要大于127。以此新增了近20000个汉字和符号，发明了GBK字符集。
GB18030
但后来我国少数民族也有字符要存储，于是我们在GBK的基础上有新增了几千个少数民族的字符，对应就有了GB18030字符集。
发展4——Unicode2.0
以上两次发展是我国对我国字符的存储。既然我们中国可以这样子做，那么其他国家也可以。因此会导致每一个国家有自己的字符编码，那么就会导致不同国家之间出现乱码、交流不便。
这时ISO（国际标准化组织）和 统一码联盟看不下去了，于是提出了Unicode2.0的标准来规范。Unicode的目标很简单：把世界上所有的字符都标号编码。
UCS-2
Unicode一开始使用UCS-2字符集。它将所有的字符罗列到一起并标上码位，然后直接转化为二进制。 一共两个字节，可以表示65536个字节。
UCS-4
之后慢慢人们发现UCS-2还是不够表示世界上的所有字符。于是就又有了UCS-4。它由4个字节（32位）组成，可以表达将近43亿字符。但实际上会用20多亿个编码空间，且使用范围并不超过0x10FFFF。
虽然USC-4涵盖得非常全面，但不是所有国家都非常乐意接受，因为其所需存储空间较大，就比如ASCII码要扩大四倍。
UTF-8
标准
UTF-8每次传八位数据，是一种可变长的编码格式。它将UCS-4码位划分为四个区间
- 0x 0000 0000 至0x0000 007F ：
0xxxxxxx - 0x 0000 0080 至0x0000 07FF ：
110xxxxx 10xxxxxx - 0x 0000 0800 至0x0000 FFFF ：
1110xxxx 10xxxxxx 10xxxxxx - 0x 0001 0000 至0x0010 FFFF ：
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
例如：王在UCS-4中码位为0x0000 738B，属于第3区间。
将码位转化为二进制：0000 0000 0000 0000 0111 0011 1000 1011
去掉所有的0000，带入对应格式，得到其UTF-8的码位是：1100111 10001110 10001011，也就是十六进制的0xe7 8e 8b。
UTF-8是目前最主流的字符编码！
带bom
Windows就是使用BOM来标记文本文件的编码方式的，但utf-8建议不要用bom。
BOM：在UCS编码中有叫做"ZERO WIDTH NO-BREAK SPACE"（零宽度无间断空间）的字符，它在UCS中是不不能再的字符（即不可见），它是插入到以UTF-8、UTF16或UTF-32编码Unicode文件开头的特殊标记，用来识别Unicode文件的编码类型。
但在现今的绝大多数编辑器中都看不到BOM字符，因为它们能理解Unicode，所以去掉了读取器看不到的题头信息。
下表列出了不同编码所对应的BOM。
BOM Encoding
EF BB BF UTF-8
FE FF UTF-16 (big-endian)
FF FE UTF-16 (little-endian)
00 00 FE FF UTF-32 (big-endian)
FF FE 00 00 UTF-32 (little-endian)
UTF-16
这也是对UCS-2的一个扩展版，相较于UCS-4的完全扩展为32位。UTF-16对原有的UCS-2不做改变用16位，而对那些要加入的新字符则采用32位。
种类
“ABC”这三个字符用各种方式编码后的结果如下：
| 类型 | 码位 |
|---|---|
| UTF-16BE | 00 41 00 42 00 43 |
| UTF-16LE | 41 00 42 00 43 00 |
| UTF-16(不带BOM) | 00 41 00 42 00 43 |
| UTF-16(Big Endian) | FE FF 00 41 00 42 00 43 |
| UTF-16(Little Endian) | FF FE 41 00 42 00 43 00 |
UTF-16BE
BE即大端模式（Big Endian），低地址存放最高有效字节（MSB）：地址的增长顺序与值的增长顺序相反，也就是地址由小向大增加，而数据从高位往低位放。
UTF-16LE
LE即小端模式（Little Endian），这种存储模式将地址的高低和数据位权有效地结合起来，高地址部分权值高，低地址部分权值低，和我们的逻辑方法一致。
UTF-32
人们使用UCS-2发现不够，而用UCS-4又太多了，于是就有了UTF-32。UTF-32和UCS-4的关系与UTF-16和UCS-2的关系有点相似。UTF-32的编码值与UCS-4相同，只不过其编码空间被限定在了0~0x10FFFF之间，可以说：UTF-32是UCS-4的一个子集。
UTF-32的种类可以参考UTF-16，还是以“ABC”这三个字符举例：
| 类型 | 码位 |
|---|---|
| UTF-32BE | 00 00 00 41 00 00 00 42 00 00 00 43 |
| UTF-32LE | 41 00 00 00 42 00 00 00 43 00 00 00 |
| UTF-32(不带BOM) | 00 00 00 41 00 00 00 42 00 00 00 43 |
| UTF-32(Big Endian) | 00 00 FE FF 00 00 00 41 00 00 00 42 00 00 00 43 |
| UTF-32(Little Endian) | FF FE 00 00 41 00 00 00 42 00 00 00 43 00 00 00 |
参考：
