谈谈中文编码

[pinews]

GB2312，和其他东亚字符集采用的 EUC 方案，一个字节 8 位（ 256 个字符），ASCII 是 7 位（ 128 个字符），其中前 32 个为控制字符，第 33 个字符是空白字符，欧洲扩展字符集跟 ASCII 相似，空着 33 个位置。。EUC 方案也空缺着这 33 个位置。
这不但意味完全兼容 ASCII，还意味即使丢失一些字节也不影响其他字节的意思，即使不正确的编码会乱码，但不会改变内容，因为没有一个字节两个意思。
另外简体中文常用字 1000 多个，次常用字 2000 多个，常用字覆盖率 98%以上，基本满足日常需要。
GBK，第一字节不再空着 33 个位置，第二字节更是向前多用了 64 个位置，第一个字节我能理解，第二字节为何恰好多用了 64 个位置不太清楚，这里会与两个常用的字符冲突，一个是\一个是|，比如赵孟頫的頫编码是 EE5C，可能会引起问题。不过这些字符都不是常用字，BIG5 和 GBK 类似，因为放了常用字遇到 5C 的概率更大。

[raysonx]

黑客也喜欢 GB2312，比如通过插入 GB 码的第一个字符来改变后续字节的解析，达到绕过字符串检测甚至代码注入的目的。关键词：Multibyte character exploits

[googlelalala]

现在不都是 utf-8 吗？—来自小白点提问

[Northxw]

单个中文字符所占长度：2.x (x < 5 ），所以如果要做具体计算，为什么不把默认 2 字节中缺失的这部分算上去。ps: 或许我们没在一条线上。哈哈。

[her999]

@googlelalala 是啊，都 9012 年了，还有谁在用 GB2312 编码吗？早就统统使用 utf-8 了。

[googlelalala]

@her999 事实证明，英语的确比中文实用。