从摩斯密码到UTF-8

公告:文章会第一时间发在微信公众号《魔笛手CTO》，欢迎关注 

在电影《无间道》中，经常会出现摩斯密码的身影。摩斯密码本身的传奇性，为电影增色不少。其实摩斯密码一点也不复杂，反而很简单，透过摩斯密码，我们可以一窥计算机如何表示字符串的奥秘。

 

 

 

摩斯密码通过"."（点）和"-"（横）的排列组合来表示相应的字符。下面是26个字母的摩斯密码表示。

一眼看上去，似乎很难发现规律。下面跟着老张，按照由短到长的顺序重新排列组合。

 

首先来看一个字符的表示，一个点或者一个横仅能表示两个字母，E和T

.	E
-	T

 

紧接着是两个字符的表示，现在可以表示四个字母了，分别是I、A、N、M

..	I	-.	N
.-	A	--	M

 

三个字符的组合可以表示更多的字母。

…	S	-..	D
..-	U	-.-	K
.-.	R	--.	G
.--	W	---	O

 

最后，我们用四个字符的组合表示剩下的字母，其中红色的部分为重音字母，略去不表。

....	H	-...	B
...-	V	-..-	X
..-.	F	-.-.	C
..--		-.--	Y
.-..	L	--..	Z
.-.-		--.-	Q
.--.	P	---.
.---	J	----

 

是不是摸到了什么规律？点和横的数量决定了能表示多少个字母。

点和横的数量	表示字母的数量
1	2
2	4
3	8
4	16

如果我们扩展将点和横的数量扩展到7，那么我们能够表示多少个字符呢？答案是2**7=128。实际上计算机诞生之初，为了便于通信制定了ASCII编码规范。

但是随着计算机影响力在全球范围内的扩散，ASCII编码已经不能满足表示各种语言的需求了，在这时各语言诞生了各种各样的编码规范，如中文GBK和日语的Shift-JIS。但是各种各样的编码规范阻碍了跨语言交流，这时Unicode应运而生。Unicode编码有不同的具体实现，分别为utf-8、utf-16和utf-32等，其中utf-8占用一到四个字节，utf-16占用二或四个字节，utf-32占用四个字节。以常用的utf-8为例，除去控制位，最大可以表示2**31个字符，足以涵盖每一种语言。

 

听完了老张的介绍，是不是恍然大明白？最后留个作业，欢迎评论区留言。