字符编码问题

之前在十个经验点总结中提到了utf-8，之前也特地去了解了一些，大多是懵懵懂懂，所以这里又重新上网搜了各种资料，看了许多大牛的博客，以下是自己的总结：

字符编码是计算机技术的基石，想要熟练使用计算机，就必须懂得一点字符编码的知识。
——by 某位仁兄

术语：

位:bit
字节:byte 1 byte = 8 bits
ASCII(American Standard Code for Information Interchange):编码标准，规定了128个字符与二进制位间的对应关系,它同时也被国际标准化组织(International Organization for Standardization,ISO)批准为国际标准ISO646
扩展ASCII码(Extened ASCII):编码标准，规定了256个字符与二进制位间的对应关系
Unicode:符号集，为每一个字符分配一个唯一的ID
UTF-8:互联网上使用最广的一种Unicode的实现方式,是一种可变长的编码方式

ASCII码

计算机内部，所有信息最终都是一个二进制值。每一个二进制位(bit)有0和1两种状态，八个二进制位就可以组合256种状态，这被称为一个字节(byte),一个字节可以表示256z种不同的符号，00000000到11111111，由于计算机的先驱在美国，所以60年代，美国首先制定了一套字符编码用来表示英语字符、标点等与二进制位间的关系，这一套标准规定的编码称之为ASCII码，其中一共规定了128个字符与二进制位的对应关系，其只占用了一个字节的后7位，第一位均为0。

ASCII码.png

扩展ASCII码

由于英语和其他的符号使用128个符号编码足够了，但是考虑到其他的语言，显然不够，为此，国际标准化组织又制定了ISO2022标准，它规定了在保持与ISO646兼容的前提下将ASCII字符集扩充为8位代码的统一方法，ISO陆续制定了一批适用于不同地区的扩充ASCII字符集，每种扩充ASCII字符集分别可以扩充128个字符，这些扩充字符的编码均为高位为1的8位代码(即十进制数128~255)，称为扩展ASCII码。

扩展ASCII码.png

GB2312编码

上面1个字节貌似可以应付很多国家地区的语言表示了，但对于汉字来说，1个字节明显不够，所以中国制定了GB2312编码，用来把中文编进去，使用两个字节表示一个汉字，所以理论上最多可以表示 256x256=65536 个符号。

Unicode: 为统一而生

经过描述可以发现，各个国家地区貌似都有了不同的编码方式，导致各有各的标准，因此在网络传输等各个方面都会发生冲突，明显的结果就是乱码现象。

试想，如果有一种编码，能够将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失，Unicode应运而生。

Unicode标准在不断发展，但最常用的是用2个字节表示一个字符(如果要用到非常偏僻的字符，就需要4个字节)

注意，注意，注意！！！！
Unicode并不涉及字符是怎么在字节中表示的，它仅仅指定了每一个字符对应的数字，仅此而已。(Unicode只是一个用来映射字符和数字的标准。它对支持字符的数量没有限制，也不要求字符必须占两个、三个或者其它任意数量的字节。)

UTF-8: 为节约而生

注意到，使用unicode编码的话，由于最常用的是使用2个字节，但是考虑到国际语言英文，使用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。
因此，就出现了"可变长编码"的UTF-8编码,UTF-8编码是在互联网上使用最广的一种Unicode的实现方式，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。
关于UTF-8的编码规则:
1.单字节字符等同于ASCII码
2.n个字节的字符(n>1)，第一个字节的前面n位都设置为1，第n+1位设置为0，后面n-1个字节8位的前两位设置为10，其余的二进制位设置为该字符的Unicode码(从后向前)

UTF-16，UTF-32

通过可以了解到UTF-8是Unicode最普遍的一种实现方式，那么当然还有其他的实现方式，包括:
UTF-16——字符用两个字节或四个字节表示；
UTF-32——字符用四个字节表示；

Unicode、UTF-8在计算机中的转化

一般情况是这样：在计算机内存中，统一使用Unicode编码，为了节省空间，当需要保存在硬盘或者传输的时候，就转换为UTF-8编码，
以记事本为例：
记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。

小结：

记住一个顺序：
ASCII => EASCII => Unicode => UTF-8

参考文章：
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html——阮一峰的网络日志
https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/001431664106267f12e9bef7ee14cf6a8776a479bdec9b9000——廖雪峰关于字符串与编码

～～～～～
这个世界上从来没有纯文本这回事，如果你想读出一个字符串，你必须知道它的编码
～～～～～