1. ASCII编码
百度百科 - “ASCII ((American Standard Code for Information Interchange): 美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是最通用的信息交换标准，并等同于国际标准ISO/IEC 646。ASCII第一次以规范标准的类型发表是在1967年，最后一次更新则是在1986年，到目前为止共定义了128个字符”
ASCII码使用一个字节表示128种字符，其中0x00 ~ 0x1F是不可打印（显示）字符，或者说是控制字符，例如：0x08为‘\b’，表示退格的意思（Backspace），0x0A为‘\n’，表示换行的意思。0x20 ~ 0x7F为可打印字符，全部可打印字符有：
!"#$%&'()*+,-./0123456789:;<=>?@ABCDEFGHIJKLMNOPQRSTUVWXYZ[\]^_`abcdefghijklmnopqrstuvwxyz{|}~
使用ASCII码可以用一个字节表示一个英文字母、数字或常用符号，但是无法表示中文、日文等字符。
可以看出来，所有ASCII字符的范围为0x00 ~ 0x7F，二进制表示为B0000 0000 ~ B0111 1111，最高位永远是0，如果某个字符的MSB是1的话，那么这个字符就不在ASCII编码规则之内，也就是说它不是一个ASCII字符。
2. GB2312编码
GB2312编码是第一个汉字编码国家标准，由中国国家标准总局1980年发布，1981年5月1日开始使用。GB2312编码共收录汉字6763个，其中一级汉字3755个，二级汉字3008个。同时，GB2312编码收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
上面说了，如果某个字符的MSB是1的话，那么这个字符就不是一个ASCII字符，利用这个特性就可以设计一套编码方式，使得其可以扩展更多的字符同时兼容ASCII编码格式。
GB2312就是这么设计的。如果MSB为1的话，则表示其为GB2312编码格式（也可能是其它编码格式）。GB2312编码格式规定一个GB2312字符占用两个字节（大端模式），第一个字节（高字节）的取值范围为0xA1 ~ 0xFE，一共94个取值，第二个字节（低字节）的取值范围也是0xA1 ~ 0xFE，一共94个取值。所以两个字节的组合一共有 94 * 94 = 8836个组合，也就是说一共可以表示8836个字符。
GB2312编码对所收录字符进行了“分区”处理，使用上述的两个字节分别表示94个区和94个位,确定了区码和位码就能定位到具体的汉字，这种表示方式也称为区位码：
01-09区收录除汉字外的682个字符。
10-15区为空白区，没有使用。
16-55区收录3755个一级汉字，按拼音排序。
56-87区收录3008个二级汉字，按部首/笔画排序。
88-94区为空白区，没有使用。
举例来说，“啊”字是GB2312编码中的第一个汉字，它位于16区的01位，所以它的区位码就是1601。
具体的汉字分区参考文章：https://www.qqxiuzi.cn/zh/hanzi-gb2312-bianma.php。计算机在处理以GB2312格式编码的字符串的时候会先判断当前字符属于ASCII字符还是属于GB2312字符，如果是GB2312字符的话，会一次性处理两个字节作为一个字符。
3. UTF8编码
仿佛GB2312编码规范还是不够用，虽然它可以兼容ASCII码，但是无法兼容其它国家的字符。所以UTF8编码格式显得更加先进。
UTF8编码参考文章：http://jszx.cuit.edu.cn/NewsCont.asp?bm=00&type=1009&id=20575。
要了解UTF8编码就必须了解Unicode编码，百度百科 - “统一码，也叫万国码、单一码（Unicode）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式发布1.0版本，2020年发布13.0版本。”。现在用的是UCS-2，即2个字节编码，而UCS-4是为了防止将来2个字节不够用才开发的。
说白了，Unicode编码就是把地球上的所有字符都统一编码到两个字节的空间里面去，所以最多可以容纳65536个字符。那么我们用Unicode编码直接表示字符串的话，由于Unicode编码不兼容ASCII码，比如“我”子的Unicode编码为0x6211，其两个字节单独拿出来都能对应一个ASCII码，所以在进行文本处理的时候，如果Unicode编码和ASCII编码格式混合存在，那么遇到0x6211的时候，不知道这是两个ASCII码还是一个Unicode码，因此使用Unicode编码不兼容ASCII编码。所以每个字符不管是英文字母还是汉字，都占用两个字节的空间。这时候存在空间浪费，因为很多时候纯英文文章，如果使用Unicode编码的话占用的空间是使用ASCII编码的两倍。所以出现了基于Unicode编码的的编码格式UTF8。
简单来说，UTF-8是Unicode的一种实现方式，其兼容ASCII编码。具体的编码格式如下图，图片第一列为Unicode编码的地址空间（0x0000 ~ 7FFF），第三列为对应的UTF8编码格式。
1、其中Unicode(0x0000 ~ 0x007F)的地址空间转换成UTF8编码空间只需要1个字节，也就是ASCII码的空间。
2、Unicode(0x0080 ~ 0x07FF)的地址空间转换成UTF8编码空间需要2个字节，第一个字节的最高三位为“前导码”为 “110”，这高三位中有两个bit ‘1’，表示该字符占用两个字节，也就是除了当前字节外，后面还剩一个字节（同样的，如果第一个字节的最高位为 “1110” 的话，表示该字符占用3个字节，后面还剩两个字节），该字符剩下的字节的前导码固定为 “10”。那么，第一个字节剩下的5位加上第二个字节剩下的6位一共11个位可以表示 2^11 = 2048 个字符。
3、Unicode(0x0800 ~ 0xFFFF)的地址空间转换成UTF8编码空间需要3个字节，第一个字节的最高三位为“前导码”为 “1110”，表示该字符占用3个字节，后面还剩两个字节。那么，第一个字节剩下的5位，第二、第三个字节个剩下的6位一共 5 + 6 + 6 = 17 个位，足够表示Unicode(0x0800 ~ 0xFFFF)16位的地址空间。这个地址空间包含了绝大部分的字符，包括汉字。所以使用UTF8编码汉字，一个汉字占用3个字节，一个ASCII码占用一个字节。
4、剩下的Unicode地址空间原理上和上面的一样，只是前导码不一样而已。这个地址空间很少用到。
