http://www.google.cn/search?hl=zh-CN&newwindow=1&q=site:pdc.baidu.com&start=140&sa=N
http://pdc.baidu.com/uinfo/?callback=requestImstate&type=json&uids=523d413b75c1a126cefca385,8f28d950665b64514ec226ba,d29a005a39605d318644f91f,972455b2b064851103e92853,287656924c43163e24979151,420b446f2059bd7fcb80c4a0&randin=2130115001&detaillen=256&t=
fa28d4b9-53ee-102d-956f-2075ea3753fb
|
网站历史查询http://www.archive.org/index.php
Web网页信息http://www.infomall.cn/ 日文注册查询http://whois.co.jp 国外域名交易网站http://www.sedo.com/ ip绑定域名查询http://whois.webhosting.info/ 银点停放http://www.silverclicks.com.cn/ 易域网域名论坛 http://www.domain.cn/club 网络实名查询http://realname.alibaba.com.cn/ 通用网址查询http://seal.cnnic.cn/index.html 百度竞价排名http://jingjia.baidu.com 雅虎竞价排名http://p4p.cn.yahoo.com/ 国外关键词竞标http://overture.showdn.com/ 百度指数http://index.baidu.com/ 百度相关关键词排行http://d.baidu.com/rs.php 百度热门搜索http://top.baidu.com/top_keyword.html 百度火爆地带http://ma.baidu.com/fs/inquire/price.php Google PageRank 查询http://tool.chinaz.com/Rank/ 百度词典http://dict.baidu.com/ 汉字转拼音http://tool.chinaz.com/Trans/Word_Spell.asp 中国网络备案中心http://www.miibeian.gov.cn/ 全球网站排行TOP500http://www.alexa.com 中国互联网络信息中心http://www.cnnic.cn 网页关键词密度分析工具http://www.keyworddensity.com/ 时代互联批量查询http://www.now.cn/domain/mcheck.net 其他语言国际域名的转码http://mct.verisign-grs.com/index.shtml 亚洲域名域名争议解决中心http://www.adndrc.org/adndrc/bjc_home.html 阿里巴巴热门词http://info.china.alibaba.com/news/subject/v1-s5011580.html Google中国热门关键词http://www.google.com/intl/en/press/intl-zeitgeist.html#cn Yahoo搜索排行榜http://top.cn.yahoo.com/index.html？source=yahoo_buzz_allsrvc Google AdWords 关键字https://adwords.google.com/select/KeywordToolExternal 在线翻译http://www.worldlingo.com/zh/microsoft/computer_translation.html 国外域名停放http://www.sedo.com 域名排名查询http://www.alexa.com from: http://www.cndns.com/help/?t=1&c=20&s=10&classid=35&id=221 |
|
把mysql中的表数据导到excel中
命令如下:
select * from aaa into outfile 'd:\\aa.csv' fields terminated by ',' enclosed by '"';
|
|
windows7使用新的操作系统引导程序bootmgr，而不是之前的ntldr；电脑启动时会先出来bootmgr的画面，选择windows7或早期OS，然后是早期操作系统的列表；windows7并不经常使用，每次启动都要多加上这个等待时间，过程太罗嗦，准备简化一下。
探索过程 Bootsect 命令 笔者硬盘上装了好几个OS，主要用win 2003 中文版，另有一个英文版XP、fedora linux ，再加上一个win7。win7在(hd0,8) 在XP下分配盘符为J（03下没有分配盘符，比较变态一点），就进入XP下，运行bootsect.exe /nt60 j: |
Windows环境下，经常遇到系统Over的情况，如果你在新装了系统和SQL Server 2005后，需要把SQL Server2000数据库还原，就会出现孤立用户的问题,下文中我们将介绍具体的解决方法：
解决步骤如下：
1.首先，需要还原数据库。 feedom.net
2.在 安全性/登陆名/新建登陆名,把产生的孤立用户新建一个，密码什么都设置好。
3.最后在查询分析器中执行
exec sp_change_users_login 'update_one','没有登陆名的数据库用户','新的登陆名'
-----------
检测当前数据库的孤立用户
sp_change_users_login @Action='Report';
|
转来的，很好用，要谢谢作者的 Create function [dbo].[fun_getPY] set @PY='' while len(@str)>0 --如果非汉字字符，返回原字符 return @PY end
|
windows 2003 安装新版本的MSN9 完美解决方案
对于使用windows2003做为工作平台的劳苦大众，我们也要使用msn，但可恶的M$却不让我们正常的在2003下使用msn，之前msn9刚刚出来时，我们可以在XP下安装，然后使用释放出来的msi文件在瘟2003下安装msn，但前些天msn又出更狠的招儿：释放出来的文件安装了也不能使用，还是提示版本过低，不能使用。
偶然的机会发现了一个完美的解决方案，在2003下安装msn9，不敢独自保留，分享给大家。
方法非常简单：
用ResHacker 打开MSN9的安装文件,修改 CONFIG / CONFIG0 / 0 / <os productType="workstation" />改为<os productType="server" />
注：可以修改100多兆的那个安装文件，也可以修改1M多的在线安装文件，都可以正常通过安装的。
一切搞定，直接安装吧，2003下的msn世界一下就和~谐~了！
HTTP（HyperTextTransferProtocol）是超文本传输协议的缩写，它用于传送WWW方式的数据，关于HTTP协议的详细内容请参考RFC2616。HTTP协议采用了请求/响应模型。客户端向服务器发送一个请求，请求头包含请求的方法、URI、协议版本、以及包含请求修饰符、客户信息和内容的类似于MIME的消息结构。服务器以一个状态行作为响应，相应的内容包括消息协议的版本，成功或者错误编码加上包含服务器信息、实体元信息以及可能的实体内容。
通常HTTP消息包括客户机向服务器的请求消息和服务器向客户机的响应消息。这两种类型的消息由一个起始行，一个或者多个头域，一个只是头域结束的空行和可选的消息体组成。HTTP的头域包括通用头，请求头，响应头和实体头四个部分。每个头域由一个域名，冒号（:）和域值三部分组成。域名是大小写无关的，域值前可以添加任何数量的空格符，头域可以被扩展为多行，在每行开始处，使用至少一个空格或制表符。
通用头域
通用头域包含请求和响应消息都支持的头域，通用头域包含Cache-Control、Connection、Date、Pragma、Transfer-Encoding、Upgrade、Via。对通用头域的扩展要求通讯双方都支持此扩展，如果存在不支持的通用头域，一般将会作为实体头域处理。下面简单介绍几个在UPnP消息中使用的通用头域。
Cache-Control头域
Cache-Control指定请求和响应遵循的缓存机制。在请求消息或响应消息中设置Cache-Control并不会修改另一个消息处理过程中的缓存处理过程。请求时的缓存指令包括no-cache、no-store、max-age、max-stale、min-fresh、only-if-cached，响应消息中的指令包括public、private、no-cache、no-store、no-transform、must-revalidate、proxy-revalidate、max-age。各个消息中的指令含义如下：
Public指示响应可被任何缓存区缓存。
Private指示对于单个用户的整个或部分响应消息，不能被共享缓存处理。这允许服务器仅仅描述当用户的部分响应消息，此响应消息对于其他用户的请求无效。
no-cache指示请求或响应消息不能缓存
no-store用于防止重要的信息被无意的发布。在请求消息中发送将使得请求和响应消息都不使用缓存。
max-age指示客户机可以接收生存期不大于指定时间（以秒为单位）的响应。
min-fresh指示客户机可以接收响应时间小于当前时间加上指定时间的响应。
max-stale指示客户机可以接收超出超时期间的响应消息。如果指定max-stale消息的值，那么客户机可以接收超出超时期指定值之内的响应消息。
Date头域
Date头域表示消息发送的时间，时间的描述格式由rfc822定义。例如，Date:Mon,31Dec200104:25:57GMT。Date描述的时间表示世界标准时，换算成本地时间，需要知道用户所在的时区。
Pragma头域
Pragma头域用来包含实现特定的指令，最常用的是Pragma:no-cache。在HTTP/1.1协议中，它的含义和Cache-Control:no-cache相同。
请求消息
请求消息的第一行为下面的格式：
MethodSPRequest-URISPHTTP-VersionCRLFMethod表示对于Request-URI完成的方法，这个字段是大小写敏感的，包括OPTIONS、GET、HEAD、POST、PUT、DELETE、TRACE。方法GET和HEAD应该被所有的通用WEB服务器支持，其他所有方法的实现是可选的。GET方法取回由Request-URI标识的信息。HEAD方法也是取回由Request-URI标识的信息，只是可以在响应时，不返回消息体。POST方法可以请求服务器接收包含在请求中的实体信息，可以用于提交表单，向新闻组、BBS、邮件群组和数据库发送消息。
SP表示空格。Request-URI遵循URI格式，在此字段为星号（*）时，说明请求并不用于某个特定的资源地址，而是用于服务器本身。HTTP-Version表示支持的HTTP版本，例如为HTTP/1.1。CRLF表示换行回车符。请求头域允许客户端向服务器传递关于请求或者关于客户机的附加信息。请求头域可能包含下列字段Accept、Accept-Charset、Accept-Encoding、Accept-Language、Authorization、From、Host、If-Modified-Since、If-Match、If-None-Match、If-Range、If-Range、If-Unmodified-Since、Max-Forwards、Proxy-Authorization、Range、Referer、User-Agent。对请求头域的扩展要求通讯双方都支持，如果存在不支持的请求头域，一般将会作为实体头域处理。
典型的请求消息：
GEThttp://class/download.microtool.de:80/somedata.exe
Host:download.microtool.de
Accept:*/*
Pragma:no-cache
Cache-Control:no-cache
Referer:http://class/download.microtool.de/
User-Agent:Mozilla/4.04[en](Win95;I;Nav)
Range:bytes=554554-
上例第一行表示HTTP客户端（可能是浏览器、下载程序）通过GET方法获得指定URL下的文件。棕色的部分表示请求头域的信息，绿色的部分表示通用头部分。
Host头域
Host头域指定请求资源的Intenet主机和端口号，必须表示请求url的原始服务器或网关的位置。HTTP/1.1请求必须包含主机头域，否则系统会以400状态码返回。
Referer头域
Referer头域允许客户端指定请求uri的源资源地址，这可以允许服务器生成回退链表，可用来登陆、优化cache等。他也允许废除的或错误的连接由于维护的目的被追踪。如果请求的uri没有自己的uri地址，Referer不能被发送。如果指定的是部分uri地址，则此地址应该是一个相对地址。
Range头域
Range头域可以请求实体的一个或者多个子范围。例如，
表示头500个字节：bytes=0-499
表示第二个500字节：bytes=500-999
表示最后500个字节：bytes=-500
表示500字节以后的范围：bytes=500-
第一个和最后一个字节：bytes=0-0,-1
同时指定几个范围：bytes=500-600,601-999
但是服务器可以忽略此请求头，如果无条件GET包含Range请求头，响应会以状态码206（PartialContent）返回而不是以200（OK）。
User-Agent头域
User-Agent头域的内容包含发出请求的用户信息。
响应消息
响应消息的第一行为下面的格式：
HTTP-VersionSPStatus-CodeSPReason-PhraseCRLF
HTTP-Version表示支持的HTTP版本，例如为HTTP/1.1。Status-Code是一个三个数字的结果代码。Reason-Phrase给Status-Code提供一个简单的文本描述。Status-Code主要用于机器自动识别，Reason-Phrase主要用于帮助用户理解。Status-Code的第一个数字定义响应的类别，后两个数字没有分类的作用。第一个数字可能取5个不同的值：
1xx:信息响应类，表示接收到请求并且继续处理
2xx:处理成功响应类，表示动作被成功接收、理解和接受
3xx:重定向响应类，为了完成指定的动作，必须接受进一步处理
4xx:客户端错误，客户请求包含语法错误或者是不能正确执行
5xx:服务端错误，服务器不能正确执行一个正确的请求
响应头域允许服务器传递不能放在状态行的附加信息，这些域主要描述服务器的信息和Request-URI进一步的信息。响应头域包含Age、Location、Proxy-Authenticate、Public、Retry-After、Server、Vary、Warning、WWW-Authenticate。对响应头域的扩展要求通讯双方都支持，如果存在不支持的响应头域，一般将会作为实体头域处理。
典型的响应消息：
HTTP/1.0200OK
Date:Mon,31Dec200104:25:57GMT
Server:Apache/1.3.14(Unix)
Content-type:text/html
Last-modified:Tue,17Apr200106:46:28GMT
Etag:"a030f020ac7c01:1e9f"
Content-length:39725426
Content-range:bytes554554-40279979/40279980
上例第一行表示HTTP服务端响应一个GET方法。棕色的部分表示响应头域的信息，绿色的部分表示通用头部分，红色的部分表示实体头域的信息。
Location响应头
Location响应头用于重定向接收者到一个新URI地址。
Server响应头
Server响应头包含处理请求的原始服务器的软件信息。此域能包含多个产品标识和注释，产品标识一般按照重要性排序。
实体
请求消息和响应消息都可以包含实体信息，实体信息一般由实体头域和实体组成。实体头域包含关于实体的原信息，实体头包括Allow、Content-Base、Content-Encoding、Content-Language、Content-Length、Content-Location、Content-MD5、Content-Range、Content-Type、Etag、Expires、Last-Modified、extension-header。extension-header允许客户端定义新的实体头，但是这些域可能无法未接受方识别。实体可以是一个经过编码的字节流，它的编码方式由Content-Encoding或Content-Type定义，它的长度由Content-Length或Content-Range定义。
Content-Type实体头
用于向接收方指示实体的介质类型，指定HEAD方法送到接收方的实体介质类型，或GET方法发送的请求介质类型Content-Range实体头
Content-Range实体头
用于指定整个实体中的一部分的插入位置，他也指示了整个实体的长度。在服务器向客户返回一个部分响应，它必须描述响应覆盖的范围和整个实体长度。一般格式：
Content-Range:bytes-unitSPfirst-byte-pos-last-byte-pos/entity-legth
例如，传送头500个字节次字段的形式：Content-Range:bytes0-499/1234如果一个http消息包含此节（例如，对范围请求的响应或对一系列范围的重叠请求），Content-Range表示传送的范围，Content-Length表示实际传送的字节数。
Last-modified实体头
指定服务器上保存内容的最后修订时间。
推荐工具firefox插件：live http header，可以很方便的查看http header 还有其它的一些功能，严重推荐.
|
1.
2. 3. 4. 5. 利用“ODBC 6. 7. 8. Select 9. 10. |
原作者序
在我开发Java程序的几年中，遇到得最多，也是别人向我提问最多的问题，就是各种各样看似稀奇古怪的中文乱码问题了。网上也有许多解释和解决Java中文问题的文章，但水平参差不齐，有一些文章甚至是错误的。
此外，我们公司自己的Java程序从一开始就采用了错误的方式处理中文问题，虽能解一时之急，却引出了越来越多的深远的问题。每当我听到有的同事还在讨论如何特殊处理双字节的中文GB码，就感慨他们思路的狭隘。试问，今天我们可以用特殊的方式处理我们所熟悉的中文编码，可是今后我们怎样才能应付日文版、韩文版、或世界其它国家语言的产品开发呢？
在我看来，与其说这些问题是“中文化问题”，不如说是“国际化问题”。所谓的“汉化”这种说法已经随时代远去了。想想看，这个词带有明显的小农经济的色彩：自家汉化自家用，哪管世界变化多。经过汉化的软件，常常意味着：版本落后、不兼容、不稳定。为什么会这样呢？根本原因是，从软件的设计阶段，就没有考虑国际用户的需要，没有采用国际通用的标准。事后要弥补自然难上加难。
所以让我们把眼光放开，想一想“国际化”。当然国际化的目的还是生产出“汉化”的软件，但我们可以用同样的方法“韩化”、“日化”、“阿拉伯化”，统称为“本地化” —— 这就是“国际化”的目的。国际化和本地化有两个很体面的英文缩写：I18n（Internationalization）和L10n（Localization）。
想要开发出国际化的软件产品，首先要了解国际标准，而不是使用东拼西凑的权宜之计。本文首先从相关国际标准的讨论切入，相信正确地理解和应用这些标准，所有的“中文化问题”或“国际化问题”都会迎刃而解。
字符编码简介
ASCII码
从学计算机的那天开始，老师就告诉我们在计算机里面，所有的英文字母都对应到一个数字编码，这就是ASCII码（American Standard Code for Information Interchange）。ASCII码是很久很久以前（1968年）制定的。它只使用了一个8位字节中的低7位，总共是127个编码位。这样的方案很快就不够使用了。
单字节编码的发展
在80年代早期，一些现在流行的标准（如ISO 8859和Unicode）还未出现。那时为了支持多种地区的语言，各大组织机构或IT厂商开始发明它们自己的编码方案，以便弥补ASCII编码的不足。一时间，各种互不相容的字符编码方案成百花齐放之势。
为了避免混乱，ISO组织在1998年之后，陆续发表了一系列代号为8859的标准，作为ASCII编码的标准扩展，终于统一了单字节的西方字符的编码。ISO是设在瑞士的国际标准化组织的简称（International Organization for Standardization）。
ISO-8859-1（Latin1 - 西欧字符）
ISO-8859-1覆盖了大多数西欧语言，包括：法国、西班牙、葡萄牙、意大利、荷兰、德国、丹麦、瑞典、挪威、芬兰、冰岛、爱尔兰、苏格兰、英格兰等，因而也涉及到了整个美洲大陆、澳大利亚和非洲很多国家的语言。
此外，ISO-8859-1后来被采纳为ISO-10646标准（后面会讲到）的首页，换句话说，Unicode的最开头256个字符编码和ISO-8859-1是一一对应的。正是由于这个特殊性，使很多人产生了对ISO-8859-1编码的误用。
ISO-8859标准还包括：
ISO-8859-2（Latin2 - 中、东欧字符）
ISO-8859-3（Latin3 - 南欧字符）
ISO-8859-4（Latin4 - 北欧字符）
ISO-8859-5（Cyrillic - 斯拉夫语）
ISO-8859-6（Arabic - 阿拉伯语）
ISO-8859-7（Greek - 希腊语）
ISO-8859-8（Hebrew - 希伯来语）
ISO-8859-9（Latin5）
ISO-8859-10（Latin6）
ISO-8859-11（Thai - 泰国语）
ISO-8859-12（保留）
ISO-8859-13（Latin7）
ISO-8859-14（Latin8）
ISO-8859-15（Latin9）
但是ISO 8859系列标准的字符编码，还是互不相容，不可能同时使用的。毕竟它们只是单字节的编码方案。而且，它们和多字节的编码方案如中文编码GB2312和BIG5也是不相容的。那些欧洲字符（最高位为1的字符），在GB2312和BIG5中被认为是双字节汉字编码的首字节。
多字节编码的发展
单字节编码只有256个码位（28=256），而中文字符何止千千万，单字节编码不可能满足中文编码的需要。于是为了适应东方文字信息处理的需要，ISO又制定了ISO 2022标准（Character code structure and extension techniques），提供了七位与八位编码字符集的扩充方法的标准。我国根据ISO 2022制定了国家标准GB2311 ——《信息交换用七位编码字符集的扩充方法》，并根据该标准制定了国家标准GB2312-80编码。其他东方国家和地区也制定了各自的字符编码标准，如日本的JIS0208，韩国的KSC5601，台湾地区的CNS11643等。
BIG5
BIG5是从CNS11643的早期版本发展而来的，虽然没有包括CNS11643的全部内容，但却是目前台湾、香港地区普遍使用的一种繁体汉字的市场标准，包括440个符号，一级汉字5401个、二级汉字7652个，共计13060个汉字。
GB2312-80
全称是《信息交换用汉字编码字符集 基本集》，1980年发布，是中文信息处理的国家标准，在大陆及海外使用简体中文的地区（如新加坡等）是强制使用的唯一中文编码。
· 双字节编码
· A1-A9：符号区，包含682个符号
· B0-F7：汉字区，包含6763个汉字
GB2312码共收录6763个简体汉字、682个符号，其中汉字部分：一级字3755，以拼音排序，二级字3008，以偏旁排序。该标准的制定和应用为规范、推动中文信息化进程起了很大作用。
GBK
汉字内码扩展规范（GBK）是国家技术监督局1995年为中文Windows 95所制定的新的汉字内码规范。
· 双字节编码，GB2312-80的扩充，在码位上和GB2312-80兼容。
· 范围：8140 ～ FEFE（剔除xx7F）共23940个码位。
· 包含21003个汉字，包含了ISO 10646中的全部中日韩汉字，简、繁体字融于一库。
严格说，GBK不能算是国家标准，最多算是一个商业标准。而GB18030才是真正的国家标准。
GB18030-2000
全称是《信息交换用汉字编码字符集》，是我国的强制标准，所有不支持GB18030标准的软件将不能作为产品出售。
· 单字节、双字节、四字节编码。
· 向下与GB2312编码兼容。
· 支持GB 13000.1-1993中的全部中、日、韩（CJK）统一汉字字符和全部CJK统一汉字扩展A的字符。
虽然GB18030标准非常强大，但它是一个中国大陆的标准。在编码上，除了和GB2312以外，还是不能和世界上其它任何一种字符编码统一。
终极标准 —— Unicode和ISO 10646
前面所讲的一切字符编码方案，都是针对局部地区或少数语言文字的，没有办法同时表达所有的语言文字，或在多种语言平台上交换。这对今天极其频繁的国际信息交流是不相称的。
为了提高计算机的信息处理和交换功能，使得世界各国的文字都能在计算机中处理，从1984年起，ISO组织就开始研究制定一个全新的标准：通用多八位编码字符集（Universal Multiple-Octet Coded Character Set），简称UCS。标准的编号为：ISO 10646。这一标准为世界各种主要语言的字符(包括简体及繁体的中文字)及附加符号，编制统一的内码。
统一码（Unicode）是Universal Code的缩写，是由另一个叫“Unicode学术学会”（The Unicode Consortium）的机构制定的字符编码系统。Unicode与ISO 10646国际编码标准从内容上来说是同步一致的。
Unicode是Java语言和XML的基础，所以我们要稍微详细地介绍一下Unicode以及ISO 10646标准。
注意：不够耐心的读者可以跳过本章的余下部分。但显然了解本章所描述的Unicode及相关编码的技术细节，有利于你更好地理解和应用Unicode。
Unicode和ISO 10646的关系
在1991年，Unicode学术学会与ISO国际标准化组织决定共同制订一套适用于多种语言文本的通用编码标准。Unicode与ISO 10646国际编码标准于1992年1月正式合作发展一套通用编码标准。自此，两个组织便一直紧密合作，同步发展Unicode及ISO 10646国际编码标准。
ISO 10646（UCS）
Unicode
1993年，ISO组织发表ISO 10646国际编码标准的第一个版本，全名是ISO/IEC 10646-1:1993。它收录了20902个表意字符（ideograph，中日韩文均属表意字符）。
同年，Unicode学术学会根据ISO/IEC 10646-1:1993修订了Unicode 1.0，发布Unicode 1.1。
不断改善和修订ISO 10646标准。
1996年发表Unicode 2.0，1998年发表Unicode 2.1，根据ISO 10646做了一些改善和修订，新增了欧元符号。
2000年10月发表了ISO 10646第二版的第一部分：ISO/IEC 10646-1:2000，新增收了6,582个表意字符于扩展区A中（CJK Unified Ideographs Extension A）。
2000年2月，发表Unicode 3.0，也包含了同样的CJK Ext A。
2001年，发表了ISO/IEC 10646的第二部分，增收了42711个表意字符于扩展区B里。
2001年，Unicode发表3.1版，将CJK Ext B纳入新版Unicode中。
虽然两个组织保持如此密切的合作关系，但Unicode和ISO 10646还是有区别的。ISO 10646着重定义字符编码，而Unicode则在此基础上，为这些字符及编码数据提出应用的方法以及对语义数据作补充。
UCS的结构
UCS的结构是一个四维的编码空间，每一维由一个字节（八位二进制位）组成，范围是00到FF。总体上分为128个群组(Group 00-7F)，每一群组由256个平面(Plane 00-FF)组成，每一平面有256行(Row 00-FF)，每一行256个编码位(Cell 00-FF)。所以，每一平面包括65,536个字符位(Character Position 0000-FFFF)。
整个编码字符集的每个字符都由4个字节，按“组-面-行-列”的顺序表示。所以UCS的可编码空间为：128 × 256 × 256 × 256 = 231。
UCS将其第一个平面(00群组中的00平面)称作基本多语种平面（Basic Multilingual Plane，BMP）。
在UCS中，目前只有00组是重要的，Unicode学术学会断言，在可以预见的将来，甚至不可能用完00组中的前17个平面（00平面到10平面）。因此，Unicode只定义了ISO 10646的第00组的前17个平面。事实上，目前绝大多数字符，都分配在第00平面BMP中。
下表中列出了BMP中的字符分配情况：
区间
描述
（0000-1FFF）基本拼音字符区
包括所有拼读文字的字母拼音和音标。它的字符集一般较小，如：拉丁文、西里尔文、希腊文、希伯来文、阿拉伯文、泰文、天成文书（梵文）等。
（2000-28FF）符号区
包括许多种用于标点、数学、化学、科技及其它特殊用途上的“符号”和“丁贝符”（示意图形符号）。
（2E80-33FF）中日韩语音及符号区
包括用于中国、日本、韩国语言中的标点、符号、字根（笔画）及发音等字符。
（3400-9FA5）中日韩汉字字符区
由27,484个中日韩（越）的统一汉字组成。
（A000-A4C6）彝族字符区
由1,165个中国南方彝族音节和50个其字根组成。
（AC00-D7A3）韩字符拼音区
由11,172个预先组合的韩字符拼音音节组成。
（D800-DFFF）代理区
这个区被平分为1024个“高半代理区”（D800-DBFF）码位和1024个“低半代理区”（DC00-DFFF）码位，用来形成代理对，可以得到超过一百万个扩充编码位。
（E000-F8FF）私人专用区
包含6,400个编码位，用于用户或开发商自行定义的字符编码。
（F900-FA2D）兼容字符区
包括一些被许多行业协会和国家标准广泛使用的字符，但在Unicode编码中有不同的表现形式。包含一些专用字符。
UCS的表现形式
UCS有两种方式来表示一个字符编码：四字节正规形式（UCS-4，Four-octet canonical form）和双字节基本平面形式（UCS-2，Two-octet BMP form）。
UCS-4 —— 四字节正规形式
UCS-4用4个字节来表示一个字符。第一个字节表示组（Group），第二表示平面（Plane），第三表示行（Row），第四表示单元号或列（Cell）。
UCS-2 —— 双字节基本平面形式
当系统只使用BMP的字符码时，可以省略群组和平面中的八位，将字符码由32个位缩短为16个位（2个字节）。标记为UCS-2。
Unicode和UCS-2同样采用16位编码。所以一般可以把Unicode和UCS-2看作是同一样东西。
代理对（Surrogate Pair）
UCS-4定义了4个字节表示一个字符，用来应付将来的扩展是绰绰有余。可是Unicode和UCS-2只定义了2个字节，却很容易用尽。代理对（Surrogate Pair）的设计在这种背景下应运而生。
UCS-2在BMP中开辟了一个特殊的区间（D800 - DFFF） -- 代理区，并平分成两个区，分别称为高半代理区（High-half Zone，D800 - DBFF），和低半代理区（Low-half Zone，DC00 - DFFF），各有1024个码位。使用时，从高低两个代理区中各取一个编码组成一个四字节的代理，来表示一个在BMP以外平面上的编码字符位。这样一来，总共可以多表示1024×1024个字符，映射到00群组中的01到10平面（共16个平面）。
代理对提供了用BMP的2字节编码来表示在基本多文种平面（BMP）之外的16个平面编码的机制。一些不常用的字符可以用代理对表示。目前，只有ISO/IEC 10646-2:2001和Unicode 3.1才使用到代理对。
高半代理区和低半代理区的划分，使编码位相互区分开。非代理区字符一定不会在这个区里。因为高半代理区和低半代理区不相交，所以很容易决定字符值的边界。一个完好的文本中，高半代理码和低半代理码总是按先后成对出现。
如果在实现上没有删除代理码或在代理码对中插入字符，数据的完整性就可得到保证。即使数据有残损，也只是局部的。一个残缺的码只影响一个字符。因为高半代理区和低半代理区不相交，且成对出现，错码不会传到文本的其它部分。
具体来说，一个代理对（H，L）由码值为D800-DBFF 的高半代理码H和码值为 DC00-DFFF低半代理码L组成。将一个字符映射到UCS-4码位中。假设N是UCS-4码值，则有：（以下所有数字均为16进制）
N = (H - D800) × 400 + (L - DC00) + 10000
于是得到N的码值为10000到10FFFF。
注意
Unicode 3.0没有用到代理对，直到3.1才增加了CJK Ext B，用到了02平面，需要使用代理对才能访问。但99.99%的情况下，根本用不到那些字。此外，JDK1.4只支持到Unicode 3.0，所以目前Java还不能应用代理对。
UTF编码
UTF为UCS Transformation Format的缩写，意为“UCS转换格式”。UCS只是一个字形和内码上的标准，并没有定义实际在计算机上存取的方法，而UTF便定义了一整套的计算机存取UCS编码的转换格式，并考虑了与其它编码方式兼容。常用的格式有UTF-8和UTF-16。有时也用到UTF-7来进行7位数据传输。
UTF-16
UTF-16是用定长16位（2字节）来表示的UCS-2或Unicode转换格式。它将Unicode的编码值变成2字节的Big-endian（高位字节在前，低位字节在后）或Little-endian（低位字节在前，高位字节在后）编码。UTF-16利用代理对来访问BMP之外的字符编码。
Java使用Big-endian系统，而Intel系列处理器内部使用Little-endian系统（学汇编语言和C语言的人都知道）。
例如：“中国”两字，Unicode是4E2D 56FD，在Windows上用UTF-16编码，结果为四个字节：2D 4E FD 56；如果使用Java输出，结果为：4E 2D 56 FD。
使用UTF-16有什么缺点呢？很显然，
1. 所有原本1个字节就可以表示的西方字符，现在要用2个字节来表示，体积大了一倍。
2. 学过C的人都知道，0x00代表C字符串的结尾。但是用UTF-16来表示单字节字符（ISO-8859-1）时，高位字节为0x00。这样就会使C语言库函数发生误判。用UTF-16表示文件名、网址等，全引出无数的问题。
3. 字符的边界不好找。程序处理时必须从字符串的头部开始扫描，才可能正确地找出一个字符的边界，效率较低。此外，万一坏掉一个字节，这个字节之后的字符都会错位，坏掉一片。
所有的这些问题，在UTF-8中都不存在。
但是，UTF-16也有其天然的优点：它直接表现了字符编码的整数值。所以UTF-16是最直接的Unicode表示法。此外，它是定长的，这大大简化了字符串的操作。Java语言就是用UTF-16格式将字符存储在内存中的。正是这样，才使Java的Unicode字符串的操作格外简单高效。
UTF-8
UTF-8使用了变长技术，在每一个编码区域有不同的字码长度：
1. 对UCS-2，由1字节至3字节构成；
2. 如果UCS-2使用了代理对，则UTF-8最长可到4字节；
3. 对UCS-4，由1字节至6字节构成。
因为以字节（8位）为组成单元，故称为“UTF-8”。对于英文文本，UTF-8的文件大小比其它转换格式都小。
在UTF-8内，字符由1个至6个字节为组合。下表列举出了不同范围的UCS码转换成UTF-8的规则。英文字母“x”代表可以用来记录 Unicode 码值的区域。
UCS-4 区域（十六进制）
UTF-8字节组合（二进制）
0000 0000 —— 0000 007F
0xxxxxxx
0000 0080 —— 0000 07FF
110xxxxx 10xxxxxx
0000 0800 —— 0000 FFFF
1110xxxx 10xxxxxx 10xxxxxx
0001 0000 —— 001F FFFF
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
0020 0000 —— 03FF FFFF
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
0400 0000 —— 7FFF FFFF
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
在UTF-8内，
1. 如果一个字节，最高位（第8位）为0，表示这是一个ASCII字符（00 - 7F）。可见，所有ASCII编码已经是UTF-8了。
2. 如果一个字节，以11开头，连续的1的个数暗示这个字符的字节数，例如：110xxxxx代表它是双字节UTF-8字符的首字节。
3. 如果一个字节，以10开始，表示它不是首字节，需要向前查找才能得到当前字符的首字节。
可见UTF-8可以有效地保证数据的完整性，避免出现编码的错位。即使偶然出现“坏字”，也不会影响到后续的文本。
那么UTF-8有什么缺点呢？显然，对于在BMP中的中文字来说，需要用3个字节才能表示，比使用UTF-16或直接使用双字节的GB2312编码大了0.5倍。
上文说了一大通，总结一下，其实很简单：
字符编码是抽象字符在计算机中的数字表示。
字符编码集（character set，简称字符集）是一批字符编码的集合。世界上存在大量互不兼容的字符集，给国际交流带来了困难。
ASCII码是最古老的字符编码，它总共只定义了7位共128个字母、数字和符号。但它是其它所有字符编码的基础。
Unicode用16位整数编码，将世界上所有主要文字的字符统一起来了。如果利用代理对（surrogate pair）最多可以表示从0到1FFFF的字符。然而绝大多数情况下，只需要用到0到FFFF之间的字符就足够了。
Unicode常用UTF-8和UTF-16来表示。7位的ASCII码不用作任何变化，就已经是UTF-8了。但UTF-8需要用3个字节来表示一个汉字。
ISO 8859系列字符集，定义了单字节字符编码的标准。其中最特殊的是ISO-8859-1编码，它的编码和Unicode中最开始的256个字符编码完全相同。
GB18030编码是中国大陆的国家标准，在字汇上等同于Unicode，在编码上和GB2312编码以及GBK编码兼容。
本文来源：http://blog.csdn.net/sfdev/archive/2009/01/13/3770706.aspx