计算机编码发展简史

编码方式是编程中经常遇到的问题，如果编码/解码不同就会造成乱码的现象，好好了解一下编码的知识还是有用的。

经常见到的编码方式包括：ASCII，GB2312，GBK，Unicode，UTF-8

ASCII

ASCII码分为两部分，一部分是标准ASCII 码/基础ASCII码，另一部分是扩展ASCII码

image.png

标准ASCII是7位二进制数组合形成的128种字符，来表示所有的大写和小写字母，数字0 到9、标点符号，以及在美式英语中使用的特殊控制字符，对于美国人来使用已经够用了。

一个字节有8位，它用掉了7位，所以就把最高位空了出来，用0占位。这样就形成了00000000 ~ 01111111的形式，具体可查看ASCII码表。

必须记住的是0 - 48，大写字母A - 65，小写字母a - 97，其他的可推算一下。

后来随着计算机的普及，传到欧洲的时候，新的问题出现了，基础ASCII码不能显示欧洲符号，于是他们就把在基础码中空出来的最高位占用了，也是128个字符，形成了扩展ASCII码，包含西欧语言、希腊语等等。

GB2312和GBK

等到计算机传到中国的时候，原来的一个字节全用完了(就算不用完，256个字符也不够啊，汉字远远大于256个，而且还不能和ASCII编码冲突)。于是在1980年，制定了中国汉字编码国家标准GB2312，占用两个字节的长度。1995年又制定了GBK，扩充了收录的汉字。

Unicode

为了统一所有文字的编码，Unicode应运而生。Unicode 又成为万国码，听名字就知道了它包含的范围更加广泛了，Unicode是国际组织制定的可以容纳世界上所有文字和符号的字符编码方案。它的出现解决了各个国家制定的自己的标准兼容问题，在多语言混合的文本中，不会显示出来乱码。

Unicode通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，高位字节全部用0填充。这样一来，乱码问题解决了，但是新的问题出现了。

原本只需要1个字节保存的ASCII也从1个字节变成了2个字节保存，白白浪费了一倍的存储和传输空间。

例如字符“0”
ASCII： 0011 0000
Unicode： 0000 0000 0011 0000

UTF-8

为了解决这个问题，UTF-8应运而生。UTF-8的特点是对不同范围的字符使用不同长度的编码。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。逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

所以如果有人问你，汉字占几个字节的时候，不要再说2个字节了，因为在不同的编码中，汉字所占字节是不同的。
utf-8编码，一个汉字三个字节，一个字母一个字节。
Unicode编码，汉字、字母统一两个字节。

大致的发展历程就是这样的，后一种编码的出现总是为了解决前一种方法所带来的问题。

个人总结，如果错误，望指正。