所谓编码方式就是指通过特定的
压缩技术，将某个
视频格式的文件转换成另一种视频格式文件的方式。
视频流传输中最为重要的编解码标准有国际电联的H.261、H.263，运动静止图像专家组的
M-JPEG和
国际标准化组织运动图像专家组的MPEG系列标准，此外在
互联网上被广泛应用的还有Real-Networks的RealVideo、
微软公司的WMT以及Apple公司的QuickTime等。
音视频编码
音频数字化主要有压缩与非压缩两种方式。较早出现的
数字音频播放机，如CD唱机和DAT
录音机，均采用线性PCM编码来存储音乐信号，为非压缩方式。在高质量要求的音频工作站和数字录像机（如DVCPRO）上，也采用非压缩的格式。
我们常见的MPEG、Dolby Digital、DTS等则为压缩方式。压缩分为
有损压缩和
无损压缩。有损压缩的目的是提高
压缩率，降低占用系统资源。可以根据实际需要选用不同的采样速率、样本分辨率（精度）和数据率。
数字卫星广播系统的
信源编码技术采用
MPEG-2.5第三层声音编码算法。第三层编码算法最复杂、延时最大、效率最高。因此对一定的数据速率，第三层协议得到的音质最好。当然，用户可根据需要选择8—128Kbps范围的不同速率。声音质量可达到CD音质。
非压缩编码（PCM）
声音之所以能够数字化，是因为人耳所能听到的声音频率不是无限宽的，主要在20kHz以上。按照抽样定理，只有抽样频率大于40kHz，才能无失真地重建原始声音。如CD采用44.1kHz的抽样频率，其他则主要采用48kHz或96kHz。
PCM（
脉冲编码调制）是一种将模拟语音信号变换为
数字信号的编码方式。主要经过3个过程：抽样、量化和编码。抽样过程将连续时间
模拟信号变为离散时间、连续幅度的抽样信号，量化过程将抽样信号变为离散时间、离散幅度的数字信号，编码过程将量化后的信号编码成为一个二进制码组输出。
压缩编码
PCM虽然为
无损压缩，但由典型的
音频信号表示的信号特性没有达到最佳，也没有很好的适应人耳听觉系统的特定要求。PCM的数据量过高，从而造成存储和传输方面的障碍，因此必须使用相应的技术降低
数字信号源的数据率，又尽可能不对节目造成损伤，这就是
压缩技术。
字符集编码
搞清常用编码特性是解决
字符集编码问题的基础。字符集编码的识别与转换、分析各种
乱码产生的原因、编程操作各种编码字符串（例如字符数计算、截断处理）等都需要弄清楚编码的特性。
了解一种字符集编码主要是要了解该编码的编码范围，编码对应的字符集（都包含哪些字符），和其他字符集编码之间的关系等。
ASCII
ASCII码是7位编码，编码范围是0x00-0x7F。ASCII字符集包括英文字母、阿拉伯数字和标点符号等
字符。其中0x00-0x1F和0x7F共33个
控制字符。
只支持ASCII码的系统会忽略每个
字节的最高位，只认为低7位是有效位。HZ
字符编码就是早期为了在只支持7位ASCII系统中传输中文而设计的编码。早期很多
邮件系统也只支持
ASCII编码，为了传输中文邮件必须使用BASE64或者其他编码方式。
GB2312
GB2312是基于区位码设计的，区位码把
编码表分为94个区，每个区对应94个位，每个字符的区号和位号组合起来就是该汉字的区位码。区位码一般 用10进制数来表示，如1601就表示16区1位，对应的字符是“啊”。在区位码的区号和位号上分别加上0xA0就得到了GB2312编码。
区位码中01-09区是符号、数字区，16-87区是汉字区，10-15和88-94是未定义的空白区。它将收录的汉字分成两级：第一级是常用汉字 计3755个，置于16-55区，按
汉语拼音字母/笔形顺序排列；第二级汉字是次常用汉字计3008个，置于56-87区，按部首/笔画顺序排列。一级汉 字是按照拼音排序的，这个就可以得到某个拼音在一级汉字区位中的范围，很多根据汉字可以得到拼音的程序就是根据这个原理编写的。
GB2312
字符集中除常用
简体汉字字符外还包括希腊字母、日文平假名及片假名字母、俄语
西里尔字母等字符，未收录繁体中文汉字和一些生僻字。可以用繁体汉字测试某些系统是不是只支持GB2312编码。
GB2312的编码范围是0xA1A1-0xFEFE，去掉未定义的区域之后可以理解为实际编码范围是0xA1A1-0xF7FE。
EUC-CN可以理解为GB2312的别名，和GB2312完全相同。
区位码更应该认为是字符集的定义，定义了所收录的字符和字符位置，而GB2312及EUC-CN是实际计算机环境中支持这 种字符集的编码。HZ和ISO-2022-CN是对应区位码
字符集的另外两种编码，都是用7位编码空间来支持汉字。区位码和GB2312编码的关系有点像 Unicode和UTF-8。
GBK
GBK编码是GB2312编码的超集，向下完全兼容GB2312，同时GBK收录了Unicode
基本多文种平面中的所有CJK汉字。同 GB2312一样，GBK也支持希腊字母、日文假名字母、俄语字母等
字符，但不支持韩语中的表音字符（非汉字字符）。GBK还收录了GB2312不包含的 汉字部首符号、竖排标点符号等字符。
GBK的整体编码范围是为0x8140-0xFEFE，不包括低
字节是0×7F的组合。高字节范围是0×81-0xFE，低字节范围是0x40-7E和0x80-0xFE。
低字节是0x40-0x7E的GBK字符有一定特殊性，因为这些字符占用了ASCII码的位置，这样会给一些系统带来麻烦。
有些系统中用0x40-0x7E中的
字符（如“|”）做特殊符号，在定位这些符号时又没有判断这些符号是不是属于某个 GBK字符的低字节，这样就会造成错误判断。在支持GB2312的环境下就不存在这个问题。需要注意的是支持GBK的环境中小于0x80的某个字节未必就 是ASCII符号；另外就是最好选用小于0×40的ASCII符号做一些特殊符号，这样就可以快速定位，且不用担心是某个汉字的另一半。Big5编码中也存在相应问题。
CP936和GBK的有些许差别，绝大多数情况下可以把CP936当作GBK的别名。
GB18030
GB18030编码向下兼容GBK和GB2312，兼容的含义是不仅
字符兼容，而且相同字符的编码也相同。GB18030收录了所有Unicode3.1中的字符，包括中国少数民族字符，GBK不支持的韩文字符等等，也可以说是世界大多民族的文字符号都被收录在内。
GBK和GB2312都是双
字节等宽编码，如果算上和ASCII兼容所支持的单字节，也可以理解为是单字节和双字节混合的
变长编码。GB18030编码是变长编码，有单字节、双字节和四字节三种方式。
GB18030的单字节编码范围是0x00-0x7F，完全等同与ASCII；双字节编码的范围和GBK相同，高字节是0x81-0xFE，低字节 的编码范围是0x40-0x7E和0x80-FE；四字节编码中第一、三字节的编码范围是0x81-0xFE，二、四字节是0x30-0x39。
Windows中CP936
代码页使用0x80来表示
欧元符号，而在GB18030编码中没有使用0x80编码位，用其他位置来表示欧元符号。这可以理解为是GB18030向下兼容性上的一点小问题；也可以理解为0x80是CP936对GBK的扩展，而GB18030只是和GBK兼容良好。
BIG5
Big5是双
字节编码，高字节编码范围是0x81-0xFE，低字节编码范围是0x40-0x7E和0xA1-0xFE。和GBK相比，少了低字节是0x80-0xA0的组合。0x8140-0xA0FE是保留区域，用于用户造字区。
Big5收录的汉字只包括繁体汉字，不包括
简体汉字，一些生僻的汉字也没有收录。GBK收录的日文假名
字符、俄文字符Big5也没有收录。因为Big5当中收录的字符有限，因此有很多在Big5基础上扩展的编码，如
倚天中文系统。Windows系统上使用的
代码页CP950也可以理解为是对Big5的扩展，在Big5的基础上增加了7个汉字和一些符号。Big5编码对应的
字符集是GBK字符集的子集，也就是说Big5收录的字符是GBK收录字符的一部分，但相同字符的编码不同。
因为Big5也占用了ASCII的编码空间（低
字节所使用的0x40-0x7E），所以Big5编码在一些环境下存在和GBK编码相同的问题，即低字节范围为0x40-0x7E的
字符尽管有些区别，大多数情况下可以把CP950当作Big5的别名。
ISO-8859-1
ISO-8859-1编码是单
字节编码，向下兼容ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是
控制字符，0xA0-0xFF之间是文字符号。
ISO-8859-1收录的
字符除ASCII收录的字符外，还包括西欧语言、希腊语、泰语、阿拉伯语、希伯来语对应的文字符号。
欧元符号出现的比较晚，没有被收录在ISO-8859-1当中。
因为ISO-8859-1编码范围使用了单字节内的所有空间，在支持ISO-8859-1的系统中传输和存储其他任何编码的
字节流都不会被抛弃。换言之，把其他任何编码的字节流当作ISO-8859-1编码看待都没有问题。这是个很重要的特性，
MySQL数据库默认编码是Latin1就是利用了这个特性。ASCII编码是一个7位的容器，ISO-8859-1编码是一个8位的容器。
Latin1是ISO-8859-1的别名，有些环境下写作Latin-1。
Unicode组织和ISO组织都试图定义一个超大
字符集，目的是要涵盖所有语言使用的字符以及其他学科使用的一些特殊符号，这个字符集就是
通用字符集（UCS，Universal Character Set）。这两个组织经过协调，虽然在各自发展，但定义的
字符位置是完全一致的。ISO相应的标准是ISO 10646。Unicode和ISO 10646都在不断的发展过程中，所以会有不同的版本号来标明不同的发展阶段，每个Unicode版本号都能找到相对应的ISO 10646版本号。
ISO 10646标准定义了一个31位的
字符集。前两个字节的位置（0x0000-0xFFFD）被称为基本多语言面（Basic Multilingual Plane, BMP） ，超出两个字节的范围称作辅助语言面。BMP基本包括了所有语言中绝大多数字符，所以只要支持BMP就可以支持绝大多数场合下的应用。Unicode 3.0对应的字符集在BMP范围内。
UCS字符集为每个字符分配了一个位置，通常用“U”再加上某个字符在UCS中位置的16进制数作为这个字符的UCS表示，例如“U+0041”表示字符“A”。UCS
字符U+0000到U+00FF与ISO-8859-1完全一致。
UCS-2、UTF-16是UCS
字符集（或者说是Unicode字符集）实际应用中的具体编码方式。UCS-2是两个字节的等宽编码，因为只是使用了两个字节的编码空间，所以只能对BMP中的字符做编码。UTF-16是
变长编码，用两个
字节对BMP内的
字符编码，用4个字节对超出BMP范围的
辅助平面内的字符作编码。
UCS-2不同于GBK和Big5，它是真正的等宽编码，每个
字符都使用两个字节，这个特性在字符串截断和字符数计算时非常方便。
UTF-16是UCS-2的超集，UTF-16编码的两字节编码方式完全和UCS-2相同，也就是说在BMP的框架内UCS-2完全等同与UTF-16。实际情况当中常常把UCS-16当作UCS-2的别名。
UCS-2和UTF-16在存储和传输时会使用两种不同的
字节序，分别是big endian和little endian（大尾和小尾）。例如“啊”（U+554A）用big endian表示就是0x554A，用little endian表示就是0x4A55。UCS-2和UTF-16默认的字节序是big endian方式。在传输过程中为了说明字节序需要在
字节流前加上BOM（Byte order Mark），0xFEFF表示是big endian，0xFFFE表示是little endian。UCS-2BE、UCS-2LE是实际应用中使用的编码名称，对应着big endian和little endian，UTF-16BE、UTF-16LE也是如此。因为默认是BE
字节序，所以可以把UCS-2当做是UCS-2BE的别名。
在UCS编码中有一个叫做“ZERO WIDTH NO-BREAK SPACE”的
字符，它的编码是U+FEFF，是个没有实际意义的字符。UCS规范建议我们在传输
字节流前，先传输字符“ZERO WIDTH NO-BREAK SPACE”，如果传输的ZERO WIDTH NO-BREAK SPACE是0xFEFF就说明是big endian，反之就是little endian。
UCS-2和UTF-16也可以理解为和ASCII以及ISO-8859-1兼容，在ASCII编码或者ISO-8859-1编码的每个
字节前加上0x00，就得到相应字符的UCS-2编码。
UCS-2和UTF-16中会使用0x00作为某个
字符编码的一部分，某些系统会把0x00当作字符串结束的标志，在处理UCS-2或UTF-16编码时会出现问题。
UTF-8
UTF-8是UCS
字符集的另一种编码方式，UTF-16的每个单元是两个字节（16位），而UTF-8的每个单元是一个字节（8位）。UTF-16中用一个或两个双字节表示一个字符，UTF-8中用一个或几个单字节表示一个字符。
可以认为UTF-8编码是根据一定规律从UCS-2转换得到的，从UCS-2到UTF-8之间有以下转换关系：
UCS-2 UTF-8
U+0000 - U+007F 0xxxxxxx
U+0080 - U+07FF 110xxxxx 10xxxxxx
U+0800 - U+FFFF 1110xxxx 10xxxxxx 10xxxxxx
例如“啊”字的UCS-2编码是0x554A，对应的二进制是0101 0101 0100 1010，转成UTF-8编码之后的二进制是1110 0101 10 010101 10 001010，对应的十六进制是0xE5958A。
UCS-4也是一种UCS
字符集的编码方式，是使用4个
字节的等宽编码，可以用UCS-4来表示BMP之外的辅助面字符。UCS-2中每两个字节前再加上0x0000就得到了BMP
字符的UCS-4编码。从UCS-4到UTF-8也存在转换关系，根据这种转换关系，UTF-8最多可以使用六个字节来编码UCS-4。
根据UTF-8的生成规律和UCS字符集的特性，可以看到
UTF-8具有的特性：
UTF-8完全和ASCII兼容，也就是说ASCII对应的字符在UTF-8中和ASCII编码完全一致。范围在0x00-0x7F之内的
字符一定是ASCII字符，不可能是其他字符的一部分。GBK和Big5都存在的缺陷在UTF-8中是不存在的。
大于U+007F的UCS字符，在UTF-8编码中至少是两个字节。
UTF-8中的每个
字符编码的首
字节总在0x00-0xFD之间（不考虑UCS-4支持的情况，首字节在0x00-0xEF之间）。根据首字节就可以判断之后连续几个字节。
非首字节的其他字节都在0x80-0xBF之间；0xFE和0xFF在UTF-8中没有被用到。
GBK编码中的汉字字符都在UCS-2中的范围都在U+0800 - U+FFFF之间，所以每个GBK编码中的汉字字符的UTF-8编码都是3个
字节。但GBK中包含的其他
字符的UTF-8编码就不一定是3个字节了，如GBK中的俄文字符。
在UTF-8的编码的传输过程中即使丢掉一个字节，根据编码规律也很容易定位丢掉的位置，不会影响到其他字符。在其他双字节编码中，一旦损失一个字节，就会影响到此字节之后的所有字符。从这点可以看出
UTF-8编码非常适合作为传输编码。
方式类型
UTF-16是Unicode字符编码五层次模型的第三层，字符编码表（Character Encoding Form,）的一种实现方式。即把Unicode的字符集的抽象码位
映射为16位长的整数（即码元）的序列，用于数据存储或传递。Unicode字符的码位，需要1个或者2个16位长的码元来表示，因此这是一个变长表示。
UTF-16比起UTF-8，好处在于大部分字符都以固定长度的字节 (2字节) 储存，但UTF-16却无法兼容于ASCII编码。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的
二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
GB2312是中国规定的汉字编码，也可以说是简体中文的字符集编码；
GBK是GB2312的扩展，除了兼容GB2312外，它还能显示繁体中文，还有日文的假名。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。
UTF-8和GBK的区别：
字符均使用双字节来表示，只不过区分中文，将其最高位都定成1.
至于UTF-8编码则是用以解决国际上字符的一种多字节编码，它对英文使用8位（即一个字节），中文
使用24位（三个字节）来编码。对于英文字符使用较多的论坛则用UTF-8节省空间。
GBK包括全部中文字符；UTF-8则包含全世界所有国家需要用到的字符。
UTF-8编码的文字可以在各国各种支持UTF-8字符集的浏览器上显示。
大家都使用过Word,Word在打开文本文件的时候,如果其检测不是系统默认编码,就会让用户选择,并且推荐一种编码给用户(有时候不一定对,因为猜,就有几率不对),让用户自己决定要用什么编码显示.
好处：可以轻松的导入表格和数据库中，一行代表一条数据，这样就可以批量的导入导出数据库中的值，这种文件格式经常用来作为不同程序之间的数据交互的格式。
半角逗号 , 和全角逗号 ，的区别：
二者外观差不多，但是，半角逗号只占半个汉字的位置,而全角逗号占一个汉字的位置，半角逗号用在英文里面。
csv文件的创建：
你有一个TXT文件，并且各项之间以逗号分隔，那么你直接将扩展名改为CSV文件，以EXCEL打开，以逗号分隔的每一列就自动到了EXCEL的每一列中。
你也可以用EXCEL将你的内容存成CSV文件格式。
csv文件的具体文件格式：
1、每条记录占一行；
2、以逗号为分隔符；
3、逗号前后的空格会被忽略；
4、字段中包含有逗号，该字段必须用双引号括起来；
5、字段中包含有换行符，该字段必须用双引号括起来；
6、字段中包含有空格，该字段必须用双引号括起来；
7、字段中的双引号用两个引号来表示，相当于转义字符；
8、字段中如果由双引号，该字段必须用双引号括起来；
9、第一条记录，可以是段名。
文本文件和二进制文件的区别：
对于文本文件来说，每个字节（或每几个字节）的意义相同，你只要一个一个字节的读出来就OK了；而对于二进制文件来说，可能由4个字节保存了一个整型，
接下去有4个字节保存了一个浮点型等等。所以要想打开二进制文件需要了解它的文件格式。
要想知道文件格式，你可以用16进制编辑器打开一个二进制文件，然后猜测它的格式。