在電腦開始使用的時候，所有的字都只用 1byte 來儲存， 1byte 包含 8bits，每個 bits 都只能表示 on/off， 也就是 1byte 只能表示 0000 0000 到 1111 1111 的編碼範圍， 只有 256 個編碼空間，這對數萬字的中文而言，是不夠的。
中文字在目前常見的電腦上是由兩個位元組(two bytes) 所編碼組成的。 最常見的編碼方式有台灣地區所通行的 Big5 編碼，及大陸地區所使用的 GB 編碼。而且開頭的位元組幾乎都是大於 128 的數值，也就是所謂 non-ASCII 碼的範圍(ASCII 是指小於 128 的編碼)。
字集(Character Set)是一組符號或文字的組合， 而編碼(Encoding)則是將這一組符號或文字以適當的方式編入位元組中， 以便電腦能夠表示與儲存。 目前現有的字集如中文字集、英文字集、日文字集等， 而中文編碼則是選取部份或全部字集中的部分或全部字， 給予一個號碼，如 Big5 包含部分中文字集、英文字集、部分日文字集等。
接下來就是萬碼奔騰，眾多中文編碼標準的問題， 目前台灣使用的中文編碼存在許多問題，第一是中文編碼有數種 Big5、CCCII、CNS11643、Big5E、Big5+、ISO 10646、CP950、EUC-TW， 每個編碼所包含的中文字數不同，編碼方式也不相同， 而且大部分都沒有國家標準規格， 第二是常用的 Big5 編碼字數不足。
雖然常用的 Big5 已經使用 2bytes 來表示中文字，但是 2bytes = 16bits = 2^16 = 65536 個編碼空間， 以 Big5 的標準而言，為了要和 ASCII 能夠相容，最多只能使用兩萬多字 ([0x80-0xFE][0x40-0x7E,0xA1-0xFE] = 127*190 = 24,130)， 現存的中文字最少在七萬以上，造成許多字在 Big5 的系統下， 無法使用。在加上中文標準繁多，卻又沒有最後的國家標準規格， 各家廠商所實做產品也就未必相容。 最明顯的例子就是日文平假片假名， 在這些中文編碼中並不是每個都包含， 當遇到所謂的「Big5日文」時，就會產生許多問題。