C#常见编码方式总结

一、概念

我们知道计算机是基于二进制来表示数据的，那么对于字母和汉字等字符用二进制如何表示？
这就需要用一种编码方式将这些字母或者符号转换二进制表示。首先需要对字符集进行编码表示，每个编码代表一个固定的字符，然后再将字符的编码转换成二进制表示。
计算机常用字符的编码主要分为两种：Unicode码与ASCII码。

二、Unicode

Unicode 是一种标准的编码系统，可以用于几乎所有语言的字符的编码，Unicode的出现是因为ASCII等其他编码不能适应更多的字符编码需求。
每个字符使用 0 和 0x10FFFF 之间的唯一整数码位进行编码，而其中编码就是一个将一组 Unicode 字符转换为一个字节序列的过程。

2.1 编码方式

Unicode 标准为所有字符都分配一个码位，其中Unicode 转换格式 (UTF) 是一种码位编码方式。有三种编码方式，如下所示：
UTF-8，它将每个码位表示为一个由 1 至 4 个字节组成的序列，极少数用4~6个字节存储。它的规则如下： 1）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。 2）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。
在C#中，System.Text.Encoding.Unicode与System.Text.Encoding.UTF8的区别：Windows默认的Unicode实现是UTF-16，所以C#中Encoding.Unicode就是UTF-16，与UTF8不同。

UTF-16，介于 UTF-8 和 UTF-32 之间，使用 2 个或者 4 个字节来存储，长度既固定又可变。UTF-16是分区定义的，每个区可以存放 65536 个字符，为1个平面，共有17个平面。分为基本平面BMP 和辅助平面SMP。常见的字符都在BMP中。

UTF-32，一种固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储。
中文对应的Unicode编码见:http://www.chi2ko.com/tool/CJK.htm
BOM(Byte Order Mark)是用来区分字节序列和编码方式的（UTF-8，UTF-16，UTF-32）。

三、 ASCII

ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）是一套基于拉丁字母的字符编码。
我们都知道，一个字节由8位二进制数构成，所以1个字节共有2的8次方种组合。如果每一种方式可以表示一个字符的话，那么1字节可以表示256个字符。ASCII 码就是描述英文字符和8 位二进制数的对应关系。
ASCII 码对照表定义了 128 个字符，包含 33 个控制字符和 95 个可显示字符。

ASCII 码对照表
彻底弄懂 Unicode 编码