你懂 “锟斤拷烫烫烫“ 吗

  以下摘自B站用户：林粒粒呀：你懂乱码吗
  1963 年 ANSI（美国国家标准学会）推出了 ASCII，ASCII 支持 0-9 的阿拉伯数字，小写英文字母，大写英文字母、常用的英文字符以及控制字符（NUL、SOH、ETX、EOT、BS、ESC、sp…)。每个字符都有对应的数字叫做码点（0-127)。由于计算机使用 8bit 为基本单位进行读写的,因此 ASCII 码点都会在前面补 0 ,比如大写字母 A 对应的码点是 65(二进制 1000001),在计算机读写时就会在二进制格式前补 0，即 01000001。
   Ascll 看起来非常的完善，英文环境下几乎无障碍了，但对于中文，平片假名、阿拉伯文等其他文字均无法表示，因此各国都在发展自己的编码格式。
   在 1981 年中国大陆就推出了 GB2312 编码格式，同期香港推出了 BIG5 码。GB2312 支持了中文编码，后来中国大陆对GB2312 扩展推出了 GBK 编码格式，现在在很多编码器里面都可以找到 GBK 编码格式，其优点是收录了简繁体字、日文、韩文等，做到了国际间交流无障碍。
  但由于各国都有自己的编码格式，比如中国大陆的朋友使用 GBK 给他香港的朋友发送消息“兄弟，最近好吗？”，香港的朋友的解码格式使用了 BIG5 码，打开这条信息的结果就是一堆狗屁不通的文字，俗称乱码。编码格式的不统一造成了地域与地域之间无法通信。
  在 1991 年，unicode.推出了 UTF-32 编码格式，结束了编码不统一造成的乱码现象，到目前为止其收录了超过 14 万个字符，包括平片假名、中文、阿拉伯文、藏文、古象形文字等。在 2010 年的时候，我们熟知到现在还在用的 emoji 也被收纳仅此字符集中。UTF-32 从名字就可以看出在此字符集中的每个字符都占用 32bit，比如之前的 ASCII 中的 A( 01000001),到了 UTF-32 字符集里面就会变成 00000000 00000000 00000000 01000001,表示同一个英文字符 UTF-32 需要付出四倍存储空间的代价，让英文语言国家在 UTF-32 字符集中讨不到任何一点好处。使用中文也同样讨不到好处，我们直到一个中文字符只需要 2个字节就能够表示，但在 UTF-32 里面需要 4 个字节，多余的存储空间全部放0了，这造成了极大的资源浪费。
  1992 年拯救苍生的 UTF-8 编码格式被推出了，针对 UTF-32，UTF-8 使用可变长读字符编码格式，比如 0-127 的码点字符就可以用 0xxxxx，这种格式完全兼容了 ASCII 编码格式，相比于 UTF-32 的4 四字节存储，UTF-8 储存利用率提高了4倍。其全编码格式如下：
  码点              编码
  0-127            0xxxxx
  128-2047          110xxxxx 10xxxxxx
  2048-65535         1110xxxx 10xxxxxx 10xxxxxx
  65536-1114111        11110xxx 10xxxxx 10xxxxxx 10xxxxxx
  这种编码格式既统一了各国编码格式不一样的问题，也解决了存储空间浪费的问题。
推荐使用 UTF-8 编码格式。