poxiaoxi博客网页、文本文件和程序中的文字，最终都需要转换为字节才能保存和传输。UTF-8和GB2312就是两种不同的字符编码方案。它们都能表示常用简体中文，但覆盖范围、存储方式和适用环境并不相同。
对于新建网站、接口和应用程序，UTF-8通常是更合适的选择。GB2312主要出现在早期中文网站、旧版软件和历史数据中。
字符编码解决什么问题
计算机保存的是数字和字节，并不能直接理解“中”“文”“A”等字符。字符编码负责规定字符与字节之间如何转换。
写入文件时，程序按照指定编码把字符转换成字节；读取文件时，再使用相同编码把字节还原成字符。如果保存和读取使用的编码不一致，就可能出现乱码。
例如，一个文件实际使用UTF-8保存，却被程序按照GB2312或GBK读取，原有字节会被错误解释，中文内容便无法正常显示。
UTF-8是什么
UTF-8是Unicode的一种编码形式，用于将Unicode字符转换为字节序列。Unicode的目标是为世界各地的文字、符号和表情字符提供统一编号，而UTF-8负责把这些编号保存和传输。
UTF-8采用可变长度编码，一个字符通常使用1至4个字节：
英文字母、数字和常用英文符号通常占1个字节；
部分欧洲和中东文字通常占2个字节；
常用中文字符通常占3个字节；
部分表情符号和扩展字符通常占4个字节。
UTF-8与ASCII兼容。只包含英文字母、数字和基础符号的ASCII文本，在UTF-8中可以保持原有字节不变。
GB2312是什么
GB2312是面向简体中文信息交换的早期国家标准字符集和编码方案，主要收录常用简体汉字、数字、拉丁字母、标点和部分符号。
在常见的GB2312编码环境中：
ASCII范围内的字符通常占1个字节；
收录的中文字符和中文符号通常占2个字节。
GB2312能够满足许多基础简体中文文本的需要，但字符覆盖范围有限。部分生僻汉字、繁体字、少数民族文字、其他国家文字和Emoji无法直接表示。
两种编码的主要区别
| 对比项目 | UTF-8 | GB2312 |
|---|---|---|
| 编码基础 | Unicode编码形式 | 早期简体中文字符标准 |
| 文字范围 | 覆盖全球多种文字和符号 | 以常用简体中文为主 |
| 英文字符 | 通常占1个字节 | 通常占1个字节 |
| 常用中文 | 通常占3个字节 | 通常占2个字节 |
| Emoji | 可以表示 | 不能完整表示 |
| 繁体与生僻字 | 覆盖范围较广 | 许多字符无法表示 |
| 多语言网站 | 适合 | 不适合 |
| 现代网页兼容性 | 广泛使用 | 主要用于兼容旧系统 |
哪一种编码更节省空间
只比较单个常用中文字符时，GB2312通常使用2个字节，UTF-8通常使用3个字节。因此，全部由GB2312可表示的中文组成的纯文本，使用GB2312保存时可能更小。
但网页和程序文件通常还包含大量HTML标签、CSS、JavaScript、数字和英文字符，这些内容在两种编码中大多都是1个字节。经过服务器压缩后，实际传输差距还会进一步变化。
选择网页编码时，不应只比较中文字符占用的字节数，还要考虑字符完整性、跨系统兼容、数据交换和后续维护成本。
GB2312、GBK有什么关系
GB2312的字符范围较小，后来出现的GBK在兼容GB2312的基础上增加了更多汉字和符号。GB18030又进一步扩展字符范围，用于满足更完整的中文字符处理需求。
三者可以大致理解为：
GB2312 → GBK → GB18030 字符范围逐步扩大
GBK能够读取大部分GB2312内容，但GBK文件中新增的字符不一定能转换回GB2312。GB18030的覆盖范围更广，也不能简单等同于GB2312。
部分旧网站虽然在页面中声明gb2312，实际文件却可能使用GBK保存。这种历史兼容方式在浏览器中可能正常显示，但在数据接口、文本工具或编码转换程序中容易产生判断差异。
网页为什么会出现乱码
乱码通常不是文字内容损坏，而是保存编码、传输声明和读取编码不一致。常见原因包括：
文件使用UTF-8保存，页面却声明为GB2312；
数据库使用一种编码，网页输出使用另一种编码；
服务器HTTP响应头与HTML中的编码声明不同；
编辑器打开文件时自动判断了错误编码；
数据经过多次错误转换后再次保存；
接口没有明确约定请求和响应编码。
网页编码需要在文件、服务器响应和程序处理环节保持一致。仅修改页面中的charset声明，并不会改变文件真实的字节编码。
HTML中如何声明UTF-8
现代HTML页面通常在head区域靠前位置使用：
<meta charset="UTF-8">
服务器也可以通过HTTP响应头声明：
Content-Type: text/html; charset=UTF-8
HTML声明、HTTP响应头和文件实际编码应保持一致。服务器响应头中的编码与页面声明冲突时，浏览器的处理结果可能不符合开发者预期。
旧页面常见的GB2312声明为：
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
这一写法仍可能出现在历史网站中，但不建议新项目继续采用GB2312。
新网站为什么选择UTF-8
UTF-8的主要价值不只是能够显示简体中文，而是让同一套页面和数据结构同时处理多种语言与符号。
选择UTF-8可以减少以下问题：
用户姓名中包含生僻字却无法保存；
繁体中文或外语内容显示乱码；
表情符号写入数据库失败；
不同系统交换数据时需要重复转码；
网站增加其他语言版本时重新调整编码；
JSON、API和第三方工具之间出现兼容问题。
Unicode官方建议现代网页使用UTF-8，W3C相关网页国际化文档也鼓励作者选择UTF-8，以减少表单提交、URL处理和跨语言内容中的异常。
旧网站如何转换UTF-8
将GB2312网站迁移到UTF-8，不能只替换HTML中的编码声明。正确流程需要转换真实文件内容，并检查整个数据链路。
备份网页文件、程序代码和数据库。
确认原文件实际使用GB2312、GBK还是其他编码。
使用编辑器或转码工具将文件内容转换为UTF-8。
修改HTML中的字符编码声明。
检查服务器的Content-Type响应头。
调整程序连接和数据库字符集配置。
检查表单、搜索、接口和邮件发送功能。
测试繁体字、生僻字、外语和Emoji。
如果文件实际是GBK，却按照GB2312转换，其中超出GB2312范围的字符可能丢失。转换前必须识别真实编码，并保留原始备份。
能否通过修改后缀转换
修改文件后缀或把charset=gb2312改成charset=utf-8，都不能完成编码转换。
编码转换需要先按照原编码正确读取字节，再按照目标编码重新写入。例如：
GB2312字节 → 按GB2312解码为字符 → 按UTF-8重新编码为字节
如果第一步使用了错误编码，得到的已经是错误字符，后续再次保存可能形成无法自动恢复的乱码。
如何选择合适的编码
新建网页、应用程序、数据库、接口和数据文件时，通常应统一采用UTF-8。它更适合多语言内容，也能减少不同系统之间的转码工作。
只有在必须连接某个限定使用GB2312的旧设备、旧软件或历史业务系统时，才需要继续输出GB2312。此时应把编码转换集中在系统边界，内部数据仍尽量使用Unicode处理。
GB2312在早期中文计算环境中发挥了重要作用，但它的字符范围已经难以满足现代网站需求。UTF-8覆盖范围更广、跨平台能力更强，也更适合作为网站长期维护和数据交换的统一编码。
精彩评论