一.常见的几种编码格式

1.ASIIC

最早的计算机使用的编码方式，使用一个字节表示一个字符；
特点
用0-127(7位)表示一个字符

2.GB2312

计算机流入中国后，因为ASIIC只使用一个字节表示字符，而汉字有好几千个，1个字节无法满足表示所有汉字的需求。
特点
①用双字节表示一个汉字，单字节表示一个英文字符(保持和ASIIC一致)
②一个小于127的字符的意义和原来相同，但是两个大于127的字符连在一起时表示一个汉字；
③范围：低字节(A1-F7)，高字节(A1-FE)
④解码时，逐个字节检查，如果该字节的值小于127，则表示这个字符是一个ASIIC字符。如果这个字节的值大于127，则这个字节是中文字符的一部分，接着检查其后面一个字符。将前后两个字符组合起来，就可以得到该中文字符的GB2312编码，接着转换为中文字符；

3.GBK

GBK的出现是因为GB2312可以表示字符还是不够用，很多中文字符在GB2312标准中还是无法表示，因此，对GB2312标准做了一些修改，衍生出GBK。
特点：
①和GB2312一样，GBK也使用2个字节表示中文字符，使用一个字节表示ASIIC码；
②中文字符的第一个字节大于127，第二个字节没有小于127的限制。解码时通过确定某一个字节是否大于127来确定是某一个中文字符的开始；
③范围：低字节(0-255),高字节(A1-FE)
④解码时，逐个字节检查，如果出现某个字节的大于127，则该字节表示某个中文字符的高位，其后面一个字符不管是否大于127一定是该中文字符的低位.

4.Unicode

国际统一标准。
为了解决不同国家针对不同类型的编码方式，ISO制定了一种可以统一所有标准的编码标准(划重点，是统一，非兼容)；
特点：
①unicode标准使用两个字节表示任何字符(中文，英文，ASIIC，Korea,欧洲字符等)。ASIIC字符用unicode编码时，其第一个字节为0；
②范围:高字节(0-255),低字节(0-255)
③解码时，从文件开头，每两个字节组合成一个字符的编码，对其解码并结合unicode表，即可解码；

5.UTF8

unicode统一了不同语言的编码格式，但是unicode字符在存储时存在一个问题，会造成存储空间的浪费。试想，一个全部是英文字符的文件通过unicode编码格式存储时，其存储空间存在一半的空间是无效的。因为英文字符用一个字节就可以区分。utf8为了解决这个问题出现；
特点:
①基本规则：

• 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
• 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。
  ②编码
  根据字符在unicode表中的位置决定改字符使用哪种模式存储。utf8提供了三种模式：

解释：
单字节模式:对于unicode编码在0000-007F范围内的字符，其utf8编码为单字节，该字节最高位固定为0，其他位是unicode码的二进制格式；
如：
字符’a’在unicode编码表中是0x61,其二进制位110 0001，因此，其UTF8编码为:0110 0001
双字节模式：对于unicode编码在0080-07ff范围内的字符，其utf8编码为双字节，取其二进制码的低6位存入低字节的xxxxxx，剩下的位存入高字节的xxxxx,位数不够，高位补0；
如：
‘Σ’字符在unicode编码中位03A3，二进制格式为:11 1010 0011,
根据03A3,可以确定其应使用双字节存储，因此，其模板为110xxxxx 10xxxxxx,将0011 1010 0011的后6位100011填入10xxxxxx，剩下的位1110填入110xxxxx，则得到’Σ’的utf8编码为:11001110 10100011;
三字节模式:对于unicode编码在0800-FFFF范围的字符使用三字节编码，具体的转换过程参考单、双字节模式即可；
③解码
从编码的过程可以看出，utf8编码格式针对不同的unicode格式有3中模式，通过其模式的特点就可以划分出两个字符之间的界限，从而完成解码；
以三字节解码为例：

原字符:hello,世界
对这些字符进行UTF8编码，查看其二进制格式:
Hex: 6865 6c6c 6f2c e4b8 96e7 958c
Bin:
‭‭01101000 01100101 01101100 01101100 01101111 00101100
11100100 10111000‬ 10010110 11100111 10010101 10001100‬
接下来，我们就需要用这些二进制串来匹配其unicode码；
以01101000为例，其第一位是0，三种模式中只有单字节模式的首位为0，因此，01101000表示一个单字节，去掉首位后，得到其unicode编码为1101000=104,104在unicode对照表中对应的就是字符h;h后面的5个字节都是这种单字节模式，过程不再赘述；
11100100 10111000‬ 10010110这一串二进制码，首字节以1110开头，因此，根据UTF8的基本规则2，我们可以知道这三个字节是三字节模式。按照规则可以得到其unicode码:01001110 00010110,即19990，通过查找unicode对照表即可知道其对应的字符是’世’，后面一个字符的解码过程不再赘述；

二.GBK和UTF8的相互转换

前面介绍了UTF8和UNICODE两种编码的编解码规则，UTF8是为解决unicode存储问题而出现的。有个问题，GBK和unicode是否有直接的转换规则。答案是没有。因为GBK是针对中文出的编码方式，而Unicode是ISO为了统一世界上所有的编码方式而出现的。因此，unicode制定时并没有兼容GBK，同一个字符在GBK和unicode上面的编码只能通过一一映射对应起来。因此，GBK无法和UTF8直接完成转换，UTF8要转换为GBK,需要先转换为UNICODE，之后再转换为GBK。

附录

参考链接：
彻底搞懂编码ASCII、Unicode、GBK 和 UTF8 、UTF-16、UTF-32编码方式
该博主讲的很细，非常值得一看~~