实用网址：
汉字字符集编码查询： 汉字字符集编码查询；中文字符集编码：GB2312、BIG5、GBK、GB18030、Unicode (qqxiuzi.cn)
字体编辑用中日韩汉字Unicode编码表： 字体编辑用中日韩汉字Unicode编码表 - 编著：中韩翻译网 金圣镇 (chi2ko.com)
代码页对应表格： Code Page Identifiers - Win32 apps | Microsoft Docs
本地编码查看和修改
一、在Windows平台下，cmd输入：chcp
二、修改系统的默认编码
1.临时修改系统编码：直接输入“chcp 65001”，回车键（Enter键）执行，这时候该窗口编码已经是UTF-8编码了
2. 永久修改：win键+R，输入regedit
（1）按顺序找到HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Command Processor
（2） 点击右键-新建，选择“字符串值”，命名为“autorun”, 点击右击修改，数值数据填写“chcp 65001”
编码
ANSI编码
ANSI并不是某一种特定的字符编码，而是在不同的系统中，ANSI表示不同的编码。
ASCII编码
ASCII 编码：使用1个字节(8位)来表示一个字符，一共规定了128个字符的编码。
• 0～31及127(共33个)是控制字符或通信专用字符（其余为可显示字符）。
• 32～126(共95个)是字符(32是空格），其中48～57为0到9十个阿拉伯数字。
• 65～90为26个大写英文字母，97～122号为26个小写英文字母，其余为一些标点符号、运算符号等。
• ISO-8859-1：在 ASCII 码基础上，对 10000000（128） ~11111111（255）这一段进行了编码。
GB2312编码
GB2312编码范围：A1A1－FEFE，其中汉字编码范围：B0A1-F7FE。
GB2312编码是第一个汉字编码国家标准，由中国国家标准总局1980年发布，1981年5月1日开始使用。GB2312编码共收录汉字6763个，其中一级汉字3755个，二级汉字3008个。同时，GB2312编码收录了包括拉丁字母、希腊字母、日文平假名及片假名字母、俄语西里尔字母在内的682个全角字符。
分区表示：
GB2312编码对所收录字符进行了“分区”处理，共94个区，每区含有94个位，共8836个码位。这种表示方式也称为区位码。
01-09区收录除汉字外的682个字符。
10-15区为空白区，没有使用。
16-55区收录3755个一级汉字，按拼音排序。
56-87区收录3008个二级汉字，按部首/笔画排序。
88-94区为空白区，没有使用。
举例来说，“啊”字是GB2312编码中的第一个汉字，它位于16区的01位，所以它的区位码就是1601。
双字节编码：
GB2312规定对收录的每个字符采用两个字节表示，第一个字节为“高字节”，对应94个区；第二个字节为“低字节”，对应94个位。所以它的区位码范围是：0101－9494。区号和位号分别加上0xA0就是GB2312编码。例如最后一个码位是9494，区号和位号分别转换成十六进制是5E5E，0x5E+0xA0＝0xFE，所以该码位的GB2312编码是FEFE。
GB2312编码范围：A1A1－FEFE，其中汉字的编码范围为B0A1-F7FE，第一字节0xB0-0xF7（对应区号：16－87），第二个字节0xA1-0xFE（对应位号：01－94）。
查询方式：
（1）点击进入：汉字字符集编码查询；中文字符集编码：GB2312、BIG5、GBK、GB18030、Unicode (qqxiuzi.cn)
（2）选择查询汉字，如：中，GB2312编码为D6D0
（3）计算该汉字的编码区号，D6D0中的D6是第一个字节也就是高字节，减去A0得到36的16进制数，转为10进制为54，54为该汉字的区位号,D0第二个字节为低字节，转为10进制数就是48，对照编码表中的第48位，行号4，列号8，点击进入GB2312编码表 GB2312 编码范围, GB2312 编码表 (qqxiuzi.cn)
(1)简单地说：Unicode属于字符集，不属于编码，UTF-8、UTF-16等是针对Unicode字符集的编码。
(2)UTF-8、UTF-16、UTF-32、UCS-2、UCS-4对比：
术语定义：
Unicode中的常用术语如下：
* 代码点（code point）：Unicode中的每个数值都对应一个字符，这个数值就叫做代码点，通常使用十六进制表示，以“U+”开头，如U+0041表示英文字符A；
* 补充代码点：位于U+10000…U+10FFFF之间的代码点，对应的字符叫做补充字符。Unicode 2.0引入了补充字符，但直到3.1才为补充字符赋值；
* 代码空间（code space）：代码点的合法范围，0至10FFFF16，即有1,114,112个代码点；
* 代码单元（code unit）：能表示一个单元的编码文本的最小位的组合；
* 平面（plane）：一个平面是65,536（1000016）个连续的Unicode代码点，第一个代码点是65536的整数倍。平面的编号从0至16，所以平面0包括U+0000…U+FFFF，平面1包括U+10000…U+1FFFF，…，平面16包括U+100000…U+10FFFF。平面0叫做基本多语言平面（BMP），其余平面叫做补充平面；
* 属性（property）：字符的性质，如大写还是小写，是否是数字；
* 字母表（script）：书写系统中字母和其他书写符号的集合，如俄语是西里尔字母表的子集；
* 区块（block）：Unicode中的一组字符，如Tibetan区块包含U+0F00…U+0FFF共256个代码点。
组合字符：
Unicode中的每个代码点都对应一个字符，但是一个字符可以对应多个代码点，代码点与字符并不是一一映射。
以字符Á为例，它有两种表示方法：
* 单个代码点U+00C1；
* 两个代码点U+0041（A）与U+0301（ ́）一起表示。
而对字符Ệ，则有三种表示方法：
* 单个代码点U+1EC6；
* 三个代码点U+0045（E）、U+0323（ ̣）和U+0302（ ̂）一起表示；
* 三个代码点U+0045（E）、U+0302（ ̂）和U+0323（ ̣）一起表示，注意与第二种顺序不同。
Unicode提供了许多组合字符（Combining Character或Combining Mark）修饰基本字符，正如Ệ所示，多个组合字符的顺序也可以不同。为什么会出现这样的情况呢？这是为了保证Unicode与其他字符集之间转换的简易型，如ISO 8859-1/2/3/4/9/10/14/15/16中Á的编码是C1，Unicode就使用单个代码点U+00C1表示该字符。
归一化：
组合字符为字符比较带来了问题，因为看着一样的字符实际可能是由不同代码点表示的，Unicode Standard Annex #15定义了两种相等：
* 规范相等（canonical equivalence）：规范相等是一种字符或者序列间的基本相等形式，它们表示相同的抽象字符，当正确显示时总是应该有相同的外观或行为，如Ç与C和◌̧的组合；
* 兼容相等（compatibility equivalence）：兼容相等则是一种较弱的相等形式，字符或者序列表示相同的抽象字符，但可以有不同的外观或行为。如ℌ与H。
Normalization FAQ指出程序总是应该使用规范相等执行比较相等的操作，最简单的方法就是归一化字符串：如果字符串被转换成了归一化形式，则规范相等的串会有完全相同的二进制表示。为了使用规范相等，可以使用Unicode标准提供的NFC与NFD归一化形式。Unicode标准一共定义了四种归一化（normalization）形式：
* Normalization Form D (NFD)：规范分解；
* Normalization Form C (NFC)：规范分解，接着规范组合，一般使用NFC；
* Normalization Form KD (NFKD)：兼容分解；
* Normalization Form KC (NFKC)：兼容分解，接着兼容组合。
组合字符对正则表达式的影响：如点号是匹配单个代码点，还是由基本字符和组合字符组成的整个代码点序列？在实践中，许多程序的点号匹配单个代码点，无论它代表基本字符还是组合字符，即Ệ（U+0045、U+0302和U+0323）由三个点号而不是一个点匹配。