本篇主要讲解的是关于字符如何在计算机中存储，它所对应的数字映射是什么。关于存储简单讲下，计算机底层是基于电子元件的电学特性构建的，人们通过寄存器将电压保存下来，用电压的高低，分别映射数字中的1和0，计算机中所说的一位，只是一种基于逻辑上的最小差异假设，用数字0和1表示这种基本差异，然后根据特定的物理硬件实现了电压和逻辑上数字的映射。所以，当我们讨论存储时，讨论的也只是一种逻辑表示，具体如何用硬件实现，要参考硬件方面的相关知识。
假设是这样的：一位可以存储一个0和1，可表示两个差异，那么2位根据前后的排列，就可以表示4个差异，00，01，10，11，3位就是8个...以此类推，n位就可以存储2^n方个差异。换算成10进制可表示1/(log2-10)*n位的十进制整数,n/3位的八进制整数，n/4位的十六进制整数。这里的位也可直接看成二进制整数的位。
1字节(B)=8位(bit) 1千字节(Kb)=1024字节(B) 1兆(M)=1024千字节(Kb) 1吉(G)=1024兆(M)

一.ASCII码
ascii.png
百度百科上的，主要记住NULL是0，空格是32，字符0是48，大写字母A是65，小写字母a是97，算法可能会用到，剩下的查表就行。通过强制转换可查字符对应数字。ASCII码对于常用的128个字符进行了编码，实际只需7位就可存储，但是出于操作系统和硬件和设计，使其每个字符要占8位，最高位始终为0。
{

class Program
{
    static void Main(string[] args)
    {
        byte a = 73;
        char c = (char)a;
        Console.WriteLine(c);//输出:I
        Console.ReadLine();
    }
}

}

二.ISO8859-1
在ASCII码的基础上发展而来，将废弃的首位也进行了编排，可用字符达到了256个，依旧只占用1个字节。
iso.png
注:这张图片每个图标由上而下从0开始的序数就是二进制后的高四位，从左到右的序数是低四位。

三.GB2312
GB2312主要针对中文简体汉字而创造出的编码方式，但同时也兼容了ASCII码，因为汉字数目远远大于256，所以GB2312采用两个字节来存储。GB2312将要存储的字符集分为94个区，每个区至多有94个字符。
1~9区存放特殊符号，16~55区存放一级汉字，56~87区存放二级汉字,10~15区以及88~94区并未使用。
GB2312实际上只是字符集对于区号和尾号的映射，然而对于实际存储方法，通常采用EUC存储方法，“高位字节”使用了0xA1-0xF7(把01-87区的区号加上0xA0)，“低位字节”使用了0xA1-0xFE(把01-94加上 0xA0)。 由于一级汉字从16区起始，汉字区的“高位字节”的范围是0xB0-0xF7，“低位字节”的范围是0xA1-0xFE，占用的码位是 72*94=6768。其中有5个空位是D7FA-D7FE。
下面节选了部分特殊符号。
GB2312.png

四.GBK
随着越来越多中文汉字出现，包括一些繁体，方言，生僻字，原来的GB2312编码方式已经不能满足需求，于是GBK诞生了，GBK即GB2312的扩展，因此，兼容了GB2312的字符映射。
GBK自然也兼容了ASCII码的映射，当字符序号小于127时，GBK将会用一个字节存储，当超过127时，GBK将会用两个字节存储。GBK新添了许多截取自其它各出处的字符，下面列一张百科上的图，具体内容可查百科。
GBK.png

五.Unicode码
因为各国间的编码并不统一，如我国使用GBK,英文语言则使用ASCII码，日语则使用JIS码，各国间的数据存储编码方式不同，传递数据时也更加繁琐和麻烦，为了解决这种编码不统一的问题，Unicode诞生了。Unicode码的字符集包含了全部国家的绝大多数字符，使全世界的数据都可以有一种编码方式是共通的。
Unicode共包含从0x000000~0x10FFFF总计1114112个符号映射位置，但实际使用并未能占用全部映射位。最高两位0x00~0x10共计17个存储方式又被称为17个平面，以00开头的第一个平面存储了常用的主要字符，称作BMP（基本多语言平面）,其中，0xD800~0xDFFF之间的位置并未使用，同时，Unicode码前128位也兼容了ASCII码。
Unicode码也只是一种符号与数字的映射，具体编码有以下几种方式:

1.UCS-2
固定占两个字节，对应BMP上的字符，0xD800~0xDFFF同样未被使用。

2.UCS-4
固定占四个字节，但实际编码位置只有31位，可录入字符达到20多亿个，但实际使用字符未超过0X10FFFF。

3.UTF-8
utf-8编码对于不同长度的Unicode码占用不同的字节数为其存储，具体存储方式见下表
utf-8.png
ASCII码采用1字节，11位以内采用2字节，16位以内采用3字节，其余用4字节，多出来的位用固定的格式补位。

4.UTF-16
常用字符同UCS-2，65536以内的字符用两个字节
如果字符序数大于65536，用四个字节存储。先将0x10000~0x10FFFF的字符序数减去65536（0x10000），那么一定会得到0x00000~0xFFFFF范围的数，可用20位表示，前10位0xD800，后10位加上0xDC00，作为4字节的前两个字节和后两个字节
也即U-65536=U'=yyyyyyyyyyxxxxxxxxxx 编码：110110yyyyyyyyyy 110111xxxxxxxxxx

5.UTF-32
与UCS-4相同，但是限定使用范围到0x10FFFF，是UCS-4的子集。

大端序和小段序
大小端序通常只和处理器硬件有关，而和编码方式无关，如Intelx86就是小端序的。
小端序(LE)就是指多个字节的一个字符，高位字节在高位地址处，低位字节在高地址处。如:a->0x0061 存储为61 00
大端序(BE)就是00 61。

BOM
字节流标志，其“零宽无中段空格”会在一些utf-8，utf-16，utf-32编码的文件开头作为标志传输过去。
bom.png

这段程序用来判断C#程序输出的是什么编码，可以看出这里输出的值就是Unicode码的码点。
{

class Program
{
    static void Main(string[] args)
    {
        string s = "你好,世界";
        printStr(s);
        printEncodeStr(Encoding.Unicode, s);
        printEncodeStr(Encoding.UTF8, s);
        printEncodeStr(Encoding.Default, s);//大概是GBK
        printEncodeStr(Encoding.ASCII, s);
        Console.ReadKey();
    }
    static void printStr(string s)
    {
        foreach(char c in s)
        {
            ushort n = (ushort)c;
            Console.Write(Convert.ToString(n,16)+" ");
        }
        Console.WriteLine();
    }
    static void printEncodeStr(Encoding en,string s)
    {
        byte[] bytes = en.GetBytes(s);
        foreach(byte b in bytes)
        {
            Console.Write(Convert.ToString(b,16)+" ");
        }
        Console.WriteLine();
    }
}

}
output.png