找了一些关于字符编码方面的资料，整理如下：
最早人们为了在计算机上显示文字，开始是用一个字节，0-0x20为控制码，0x20之后的表示空格、标点符号、数字、大小写字，一直到0x7f，这个方案叫做ANSI的“ASCII”编码（American Standard Code for Information Interchange，美国信息互换标准代码）。后来用0x7f之后的字节来表示一些新的字母、符号，和画表格时需要用下到的横线、竖线、交叉等形状，一直把序号编到了最后的0xff，从0x7f到0xff这一页的字符集被称“扩展字符集”。
GB2312是中文编码，1981年5月1日实施，通行于大陆，新加坡等地也使用此编码。它是一个简化字的编码规范，取消了“扩展字符集”，小于0x7f的字符的意义与原来ASCII相同，两个大于0x7f的字符表示一个汉字，前面的一个字节（高字节）从0xA1用到0xF7，后面一个字节（低字节）从0xA1到0xFE，这样有7445个简体汉字。这些编码包含数学符号、罗马希腊的字母、日文的假名，甚至包含 ASCII 里本来就有的数字、标点、字母，都重新编了两个字节的编码，这就是常说的”全角”字符，而原来在0x7f以下的就叫”半角”字符。 GB2312是对 ASCII 的中文扩展。
GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符，其中包含中日韩汉字及BIG5编码中的所有汉字。2000年的GB18030是取代GBK1.0的正式国家标准。该标准收录了27484个汉字，其中包括藏文、蒙文、维吾尔文等主要的少数民族文字。从ASCII、GB2312、GBK到GB18030，是向前兼容。GB2312、GBK 到GB18030都属于双字节字符集 (DBCS)。
GB2312的原文是区位码，从区位码到汉字编码，需要在高字节和低字节上分别加上A0。在DBCS中，GB编码的存储格式始终是big endian，即高位在前。GB2312的两个字节的最高位都是1，但符合这个条件的码位只有128x128=16384个。所以GBK和GB18030的低字节最高位都可能不是1。在读取DBCS字符流时，只要遇到高位为1的字节，就将下两个字节作为一个双字节编码。
Big5又称大五码，主要为香港与台湾使用，是传统汉字正体字编码。每个汉字由两个字节构成，第一个字节的范围从0X81－0XFE，第二个字节的范围不连续，分别为0X40－0X7E，0XA1－0XFE。
由于各国都有自己的文字编码标准，为了避免互不兼容，国际标准化组织（ISO）设计了可以容纳全世界所有语言文字的编码方案，“Universal Multiple-Octet Coded Character Set”，简称 UCS（Unicode Character Set）, 俗称 “unicode”。UCS只规定了如何编码，而UTF（UCS Transfer Format）则是传输和保存的标准。比如UTF-8是每次8个位传输数据，而UTF-16就是每次16个位。UTF-8是在互联网上使用最广的，可以显示全世界上所有字符的一种unicode的实现方式。它使用1~4个字节表示一个符号。ASCII码用一个字节表示，中文字符占3个字节，但unicode一个中文字符占2个字节，所以UCS的编码与传输方式是不一样的。
目前Windows的内核已经采用Unicode编码。Windows使用代码页(code page)来适应各个国家和地区。GBK对应的code page是CP936。微软也为GB18030定义了code page：CP54936。但是由于GB18030有一部分4字节编码，而Windows的代码页只支持单字节和双字节编码，所以这个code page是无法真正使用的。