Unicode、ASCII、UTF-8

计算机处理的是数字。他们在存储字符时要给每个字符分配一个数值。

早期的编码系统称为 ASCII（美国信息交换标准码）， 一共有128（0-127）个值，每个值用7bit 保存。ASCII可以满足小写、大写、数字标点符号和一些控制字符的处理。

人们曾尝试将ASCII字符扩展到8bit，这种新的被称为“扩充ASCII”的编码一直没有成为国际性标准。

为了克服ASCII和扩充ASCII先天上的不足，Unicode Consortiun（多语言软件生产商群体）创建了一种能够提供广泛字符集的通用编码系统，称为“Unicode”。

Unicode最初设置为2Byte的字符集。但版本3的Unicode用的是4Byte编码，并且与ASCII与扩充的ASCII完全兼容。

现在被称为Basic Latin（基本拉丁文）的ASCII字符集就是前25位全部置零的Unicode码。而现在被称为 Latin-1（拉丁文1）的扩充ASCII字符集就是前24位全部置零的Unicode码。

Unicode兼容性

Unicode中的每个字符或符号由一个32bit数来定义，因此这种编码可以定义高达2的32次方（4 294 067 296）个字符或符号。它的记法使用了十六进制数字，格式如下：

U-XXXXXXXX

#每个 X 都是一个十六进制的数字。因此，它的数值从U-00000000到U-FFFFFFFF

---

美国信息交换码（American Standard Code of Information Internet，ASCII）是一种7bit码，设计来为128个大多数是美国英语里使用的符号提供编码，今天的ASCII码已成为Unicode的一部分，它占据了Unicode中的前128个码（00000000-0000007F）。

ASCII码

ASCII码

ASCII的一些特点：

1，space（20-sp）字符，是一个可打印的字符，打印出一个空格；

2，大写字母从（41-A）开始，小写字母从（61-a）开始。按ASCII比较时，大写字母的数值会小于小写字母；

3，大写字母与小写字母在他们的7bit编码中只有1bit不同，A（1000001），a（1100001），两者相差（20）十六进制；

4，小写字母并没有紧跟在大写字母后面，这两者之间还有几个标点符号（5B-60）；

5，数字从（30-0）开始；

6，从（00）到（1F）这最开始的32个字符加上最后一个字符（7F）全都是非打印字符。字符（00）被用作定界符，已定义字符串的结束。字符（7F）是删除字符，它被某些编程语言用来删除前一个字符。剩下的非打印字符称为控制字符，用于数据通信；

控制字符

---

UTF-8是Unicode的实现方式之一

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。 UTF-8的编码规则很简单，只有二条： 1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。 2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。