ASCII 、UTF-8、Unicode编码

1、各类编码介绍

1.1、计算机编码的由来

因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。所以只能是用一些数字来表示文本，这就是编码的由来。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示的最大整数是65535，4个字节可以表示的最大整数是4294967295。

1.2、ASCII 编码

由于计算机是美国人发明的，因此，最早只有127个字符被编码到计算机里，也就是大小写英文字母、数字和一些符号等，这个编码表被称为ASCII编码，比如大写字母A的编码是65，小写字母z的编码是122。

ASCII 编码用一个字节来表示一个字符，ASCII 编码表可参考：http://ascii.911cha.com/

1.3、Unicode 编码

ASCII 编码处理英文是可以的，但是要处理中文显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。

（出现乱码是因为你在写的时候用一种编码规则来写，然后存入计算机中，但取的时候又用另一种规则来取，存取用不同编码规则当然会造成乱码）

 

由此，Unicode应运而生。Unicode 把所有语言都统一到一套编码里即 Unicode 编码，这样就不会再有乱码问题了。

Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

1.4、utf-8 编码

ASCII编码用 1 个字节来表示 1 个字符，而Unicode编码通常用 2 个字节来表示 1 个字符。

如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

所以，本着节约的精神，又出现了把Unicode编码转化为 “可变长编码” 的 UTF-8 编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1- 6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省很多空间。

UTF-8编码有一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

 

2、现代计算机通用的字符编码工作方式

搞清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码，这样可以节省很多存储空间。

比如：用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。

所以说，在存储或者是传输时，使用的是 UTF-8 编码，因为这样可以节约存储空间。在内存中，使用的是 Unicode 编码。

 

比如在浏览网页的时候，服务器会把动态生成的 Unicode 内容转换为UTF-8再传输到浏览器进行显示。

 

 参考：https://www.cnblogs.com/angelye/p/8249711.html、http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

 

3、思考

3.1、utf-8编码是如何根据字节转换成字符的？

utf-8 编码规则：

0xxxxxxx 表示是单字节字符

10xxxxxx 是多字节字符的延续

110xxxxx 表示是2字节字符的第一个字节;

1110xxxx 表示是3字节字符的第一个字节;

11110xxx 一个4字节字符。

 4字节序列已经覆盖了从U + 0000到U + 10FFFF的整个Unicode范围。