字符编码

计算机底层只能表示二进制信息，不能直接表示文字。计算机显示给我们看的文字可以看做是很小的一张张字符的图片。图片信息量非常大，但如果文字都以图片进行存储和传输，效率会变得很低。

所以计算机科学家将这些单个字符图片放到一个文件中，这个文件就是字体文件。再给每个字符一个编号，存储传输时就用字符的编号。这个编号表就是字符编码(简单这么理解)。

文本文件存储的就是每个字符的编号，计算机在打开文本文件时，会根据指定的编码，去编码表中查询一个一个的字符，再渲染给用户。

常用的字符编码有:

• ascii码
• gb2312码
• gbk
• unicode
• utf-8

ascii码

标准的ascii码包含26个大小写字母，阿拉伯数字0-9以及常用的标点符号等128个字符，通过计算使用7位二进制数就可以表示，扩充后调整为8位，即一个字节。编码详情如下：

例如在ascii编码表中，字符A的编码为65，当在文件中存入字符A时，实际计算机存储的是编码65，打开文件时，计算机会根据编码去字体文件中找到字符A。

在记事本中键入abc123+-*/,然后使用HexEditor打开后发现跟上面的编码表是一致的。

gb2312

当计算机发展到欧洲以外的其他国家和地区后，为了能够使用自己国家的文字，各国发明了自己国家的字符编码。

我国在1980年发布了gb2312码，gb2312是一个简体中文字符集，由6763个常用汉字和682个全角非汉字字符组成。

使用一个字节不足以表示gb2312码，因此，在gb2312中使用两个字节表示一个汉字。

gbk

GB2312的出现，基本满足了汉字的计算机处理需要，但对于人名、古汉语等方面出现的罕用字，GB 2312不能处理，这导致了后来GBK及GB18030汉字字符集的出现。

GBK即汉字内码扩展规范，K为扩展的汉语拼音中“扩”字的声母。GBK编码标准兼容GB2312，共收录汉字21003个、符号883个，并提供1894个造字码位，简、繁体字融于一库。

gbk也是使用两个字节表示一个汉字。

unicode

世界上存在着多种编码方式，同一个编码值，在不同的编码体系里代表着不同的字。要想打开一个文本文件，不但要知道它的编码方式，还要安装有对应编码表，否则就可能无法读取或出现乱码。

我上大学时玩电脑游戏遇到最多的问题就是乱码。

以日文的编码方式创建一个文本文件写入やめて,然后用记事本打开会显示如下：

这个问题促使了unicode码的诞生。

unicode将世界上所有的符号都纳入其中，无论是英文、日文、还是中文等，大家都使用这个编码表，就不会出现编码不匹配现象。每个符号对应一个唯一的编码，乱码问题就不存在了。

Unicode固然统一了编码方式，但是它的效率不高，比如UCS-4(Unicode的标准之一)规定用4个字节存储一个符号，那么每个英文字母前都必然有三个字节是0，这对存储和传输来说都很耗资源。

将之前写有abc123+-*\的文件用记事本另存为unicode会发现文件的体积大了一倍。(本来应该是4倍，windows上没有USC-4标准)

utf-8

为了提高Unicode的编码效率，于是就出现了UTF-8编码。

UTF-8可以根据不同的符号自动选择编码的长短。比如英文字母可以只用1个字节就够了。

"汉"字的Unicode编码是U+00006C49，然后把U+00006C49通过UTF-8编码器进行编码，最后输出的UTF-8编码是E6B189。

utf-8中汉字使用3个字节存储。