编码集UTF-8、GBK的区别

Unicode

Unicode是Java、Python等语言中的符号集，它相当于一个词典，将全世界的字符映射为一个数字，转换成二进制后存储在字节中。后文中提到的ASCII、GBK等编码集都是Unicode中具体实现方式。

ASCII编码集

ASCII是计算机发展初期，使用英语的科学家设计了一种编码集，使用1字节存储信息且只包含128个字符，每个字节的首个bit都为0；例如“，”对应ASCII为44，字节码为00101100；

GBK编码集

GBK是中国人设计的一套编码集，包含2万多个中文字符且支持ASCII码，使用两个字节编码一个字符，具体转换表百度，为了便于操作系统识别字节码是使用GBK或ASCII编码，GBK编码的首个字节开头都是1（1xxxxxxx xxxxxxx），例如(熊–0xD0DC)；

UTF-8编码集

UTF-8是Unicode的一种主流实现方式，可以适用于全球的语言，为了兼容性和内存利用率，采取不定长的编码方式，如果表示ASCII字符，则使用1字节(0xxxxxxx)与初始的ASCII码没有区别不进行转码；如果表示中文字符，使用3个字节表示(1110xxxx 10xxxxxx 10xxxxxx)，首个字节的3个1表明使用3个字节解码成一个字符，而对于10开头的字节码与ASCII严格区分开，并不能单独被解码成任何字符，这样就实现了操作系统可以分辨出应该选取哪几个字节解码成字符