Question

如何将中文转为unicode和GB2312

Answer 1

1. Unicode概念
Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。Unicode用数字0-0x10FFFF来映射这些字符，最多可以容纳1114112个字符，或者说有1114112个码位。码位就是可以分配给字符的数字。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。

2. gb2312编码概念
GB 2312 或 GB 2312-80 是一个简体中文字符集的中国国家标准，全称为《信息交换用汉字编码字符集·基本集》，又称为GB0，由中国国家标准总局发布，1981年5月1日实施。GB2312编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。
《GB2312-80》对 7445 个图形字符作了二进制数编码，这些图形字符是：
6763 个汉字，字体为简化字，分成两级。第一级汉字 3755 个，按拼音排序，约占近代文献汉字累计使用频度 99.9% 左右；二级汉字 3008 个，按部首、笔画排序。一、二级汉字约占累计使用频度 99.99% 以上。
1）202 个一般符号。其中包括 1.～20.,(1)～(20)，①～⑩，(-)～(+) 等。
2）22 个数字。其中 0～9 共 10 个，Ⅰ～Ⅻ 共 12 个。
3）52 个拉丁字母。其中大写字母 A～Z 26 个，小写字母 a～z 26 个。
4）169 个日文假名。其中平假名 83 个，片假名 86 个。
5）48 个希腊字母。其中大写字母 Α～Ω24 个，小写字母 α～ω 24 个。
6）66 个俄文字母。其中大写字母 А～Я33 个，小写字母 а～я 33 个。
7）26 个汉语拼音符号，包括带声调符号和其它符号的字母。
8）37 个汉语注音字母，ㄅ～ㄥ。