中文在Unicode的编码范围为4E00-9FCF，其中9FC4-9FCF之间的区间没被用。
研究unicode支持的中文登录此网站http://www.unicode.org/charts/PDF/
由于Unicode只是码表，要实现，常见的是UTF-8，UTF-16，UTF-32，USC-3，USC-4.
UTF8
范围 | 字节数 | 存储格式 |
0x0000~0x007F (0 ~ 127) | 1 | 0xxxxxxx |
0x0080~0x07FF(128 ~ 2047) | 2 | 110xxxxx 10xxxxxx |
0x0800~FFFF(2048 ~ 65535) | 3 | 1110xxxx 10xxxxxx 10xxxxxx |
0x10000~1FFFFFF(65536 ~ 2097152) | 4 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
0x2000000~0x3FFFFFF | 5 | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
0x4000000~0x7FFFFFFF) | 6 | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
在这样的基础上，我们已经了解了整个编码的过程，在此基础上做一个编码的总结。除了ASCII，UTF和GBK之间是需要进行转化，否则就会出现乱码。
图2-9 不同编码的兼容性
这里列出几个常用的中文Unicode码范围，此值经常在UTF8编码的系统中通过正则标识式找出中文的方法。
语言 | 范围（unicode） |
中文 | u4e00-u9fa5 |
韩文 | xAC00-xD7A3 |
韩文 | x3130-x318F |
日文 | u0800-u4e00 |
但中文的文字还是博大精深，比如康熙部首等，无法找出，需要在下面unicode官网去找对于的汉字unicode值
http://www.unicode.org/charts/PDF/U2F00.pdf
http://www.unicode.org/charts/PDF/U4DC0.pdf
2.3 GB 18030在税控收款机中的应用
税控收款机是在电子收款机基础上根据中国国情开发的，纳税户销售商品在税控收款机中的记录与相关的时间等信息可在机内保留5～10年，不可修改、不可清除。税控收款机在开具发票时需要真实填写商品名称、买卖双方名称、纳税户地址等信息，而人名信息、地名信息中使用的很多汉字都没有被GB 2312-1980收入，为满足税控收款机信息实名制的需要，必须采用GB 18030编码字符集。目前税控收款机的采购使用多采取的是地方政府招投标方式，在招投标文件中要求供货商提供其税控收款机通过GB 18030标准检测的报告和GB 18030字库使用授权书
三．编码转化流程
通过上面汉字在GBK和UTF的存储上面，我们可以知道UTF8存储汉字是3个字节，而GBK是2-4个字节，两者是不能直接进行转化的。所以需要将UTF8转到Unicode再转到GBK编码，下面的图为UTF8转为UTF编码底层存储的流程
四．总结
UTF8是无法直接转成GBK，需要从UTF8转为Unicode再转成GBK，由于Unicode码表是统一了所有的编码，GBK是给中国人用的，Unicode中存在的很多字符是无法转化成GBK，无法转化的字符就变成了乱码。比如土耳其、立陶宛等文字转化为Unicode再转成GBK，GBK码表中是没有这些字符的。
本文地址：网络知识频道 https://www.hkm168.com/jiqiao/937944_3.html，易企推百科一个免费的知识分享平台，本站部分文章来网络分享，本着互联网分享的精神，如有涉及到您的权益，请联系我们删除，谢谢！
相关阅读
