Question

关于GB2312、GBK、unicode、utf-8以及数据库方面的疑问

最近在应用二进制数据时，想到汉字是用两字节表示，英文是用一字节表示。这在VB里面用unicode函数的。又想到两字节最多代表65535个数。汉字难道只有6万个多个吗？所以才专门了解下编码标准。但是很多文章的说法似乎不太统一。GB2312最初也就是编码了2312个汉字（后增加至6762）采用双字节；GB13080编码了13080个汉字，采用2/4字节，也就是有些新字符用了4字节，兼容原来的二字节GB2312。而GBK是中日韩等亚洲语言统一的编码。包含55657个字符，也兼容GB2312，还是用两字节。UTF-8是一个新的标准，字符全部采用三字节。如果英文也用三字节，当然会占用更大的空间。都说unicode是最统一的编码标准，我目前知道它表示英文用一字节，汉字用双字节，那么有些语言可能会有三字节的情况吧。既然有了unicode这种既节省空间又国际化的标准，为什么还要用UTF-8呢。所以想到了我们经常用的数据库，比如使用mysql经常是用utf-8，那岂不是很占空间吗。还有SQL的varchar数据说是英文字符的类型，可是里面也能存储中文。不是nvarchar才是包含中文类型吗。还有我们经常用的自动编号。这个数字是常整形的。假如数据量特别大，超过了常整数范围，又会怎样呢？？

Answer 1

1.utf-8是节省空间的，utf-8是8位的unicode.而常说的unicode是utf-16。因为很多常用的英文字母只占8位，utf-16则至少是16位。utf-8比utf-16的单元更小，所以压缩度更大，更节约空间。
2.Unicode
数据使用
SQL
Server
中的
nchar、varchar
和
ntext
数据类型进行存储。对于存储来源于多种字符集的字符的列，可采用这些数据类型。当列中各项所包含的
Unicode
字符数不同时（至多为
4000），使用
nvarchar
类型。当列中各项为同一固定长度时（至多为
4000
个
Unicode
字符），使用
nchar
类型。当列中任意项超过
4000
个
Unicode字符时，使用
ntext
类型。(所以说，varchar和nvarchar是存储unicode类型的！)
3.如果超出了范围肯定会造成溢出的