关于encoding

　　

UTF-8 and Unicode cannot be compared. UTF-8 is an encoding used to translate binary data into numbers. Unicode is a character set used to translate numbers into characters.

 

 

最最开始的世界，只有英文字母，因此ascii就足够了，一个byte足以表示全部英文字母

 

而后人们忽然意识到，窝草，那别的国家的文字咋办。因而就开始有各类charset。好比说big5，就是专精繁体中文的charset。这种charset用2个byte表示了全部中文繁体字以及一些基本的英文字符。你能够理解成这是一个巨大的map。2个byte所表示的值做为key。但遇到韩国字日本字的时候，他就没法找到对应的字符，或者说对应到一些奇怪的字符上去。由于这个charset原本就不是给韩文日语准备的。

 

终于人们受够了各类各样的charset。开发出了unicode。一个超级巨大的表格，用4个byte能够表示全部的字符，各个国家的都能涵盖进去。

即UTF32，即用32个bit表示各类千奇百怪的字符

 

然而，若是我只想写英文字符，那每一个字符我明明能用1个byte搞定，为啥非要用4个，这样岂不是浪费不少空间，文件大小也会变大不少。

因此有了UTF8

UTF8颇有意思，若是是0-127，即ASCII能搞定的英文字母，那他就是一个byte搞定，byte最左边那位是0，后面7位表示ascii的0-127

若是在ascii以外，意味着他须要多个byte，那么他的第一个byte就负责告诉你他一共须要多少个byte（包括这个byte）。好比说我要写个奇怪的不知道是哪一个国家的复杂字符，可能须要4个byte。开头第一个byte就是11110000，后面三个byte用来表示这个字符在unicode的那个巨大表格里的key。