前端系统班 - 02. 计算机是如何存储数据的

课程 01：

编程基础：

首先成为程序员，再成为前端开发工程师。而一个程序员需要知道：

• 硬件与软件：计算机的运行原理；（荐书《编码》）
• 最大的软件：操作系统；
• 自己写软件：数据结构和算法；（荐书《数据结构与算法结构》）
• 多人写软件：软件工程。（荐书《代码大全》）

前端为什么学编程基础？——防止成为井底之蛙。

计算机存储汉字的过程：

1. 内存内部的电容通过充电与否来存储 0 和 1，存储 1 就充电，存储 0 就不充电；而读取时，电量大于 50% 就识别为 1，电量小于 50% 就识别为 0；这样便实现了二进制数的存储。

   
   
   RAM 存储 0 和 1 的过程
2. 通过十进制和二进制之间的转换，计算机便可以只用二进制数 0 和 1 来存储十进制数；为了方便书写，一般会将二进制数写为十六进制数，因为单个十六进制数正好可以存 4 位二进制数。（扩展：负数使用补码形式存储，小数使用浮点数形式存储。）
3. 用数字可以为字符编号，于是出现了字符集，例如 ASCII（美国信息交换标准代码）；按照这个标准，如果要存储字母 a，那么就存储十进制数 97 对应的二进制数 0110 0001（十六进制数为 61）。
4. 既然可以存储字符，那么汉字也不是问题，扩充字符集就可以了，将每个汉字对应不同的编号。例如最早的汉字字符集 GB2312 （中国国家标准简体中文字符集），和一度被广泛使用的微软推出的 GBK 字符集。
5. 为了统一存储世界上所有的字符，Unicode 联盟推出了 Unicode 字符集 。
6. 解决了所有字符的存储方法，但还缺乏一种高性价比的存储方式，于是出现了字符编码。如果使用 Unicode 字符集最初的低效方式，存储字母 a 和汉字“你”的方式如下：
   a => 00000000 00000000 00000000 01100001 = 0061
你 => 00000000 00000000 01001111 01100000 = 4F60
   这样的方式浪费了存储资源，从而出现了比较节省存储资源的方式——字符编码：
   a => 01100001
你 => 11100100 10111101 10100000
   当存储的是单个字母的时候，使用 1 个字节（Byte）来存储，而存储汉字或其他字符，则用两个或以上的字节来存储；第一个字节带有识别后续字节的编码，后续字节的前两位用来作为让第一个字节识别的标识，这就是 UTF-8 编码：
   1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

现实问题：

由于历史原因，早期的软件和网站是在 GBK 字符集的年代诞生的，而没有赶上 Unicode 字符集和 UTF-8 编码，所以还是有大量应用 GBK 字符集的软件和网站。

也是由于时间原因，JavaScript 使用了 Unicode 字符集，却没有使用 UTF-8 编码，所以 ES5 及之前的标准无法表示 \uFFFF 之后的字符，某些情况下会出 bug。例如 JavaScript 会将一个超出范围的单个字符的长度识别为 2：

var str1 = '\u1D306';
alert(str1); //ᴰ6，一个字符和数字字符6；
var str2 = '';
alert(str2.length); //明明是一个字符，却显示长度为2；

所以，现在在各种编程当中，一定都要用 UTF-8 编码！