深刻理解ASCII,Unicode和UTF-8编码

1.为何须要编码？

  因为计算机只能处理0和1（即两种状态：高低电平），全部咱们须要将英文字母，数字，特殊符号翻译成计算机认识的0和1，那如何去翻译以及用何种规则去翻译呢，因而聪明的人们发明了一系列编码规则，即字符和数字的对应。最早被发明的是ASCII编码，后来则衍生出了Unicode编码和UTF-8编码。

2.编码格式的演变

  世界第一台计算机诞生于美国宾西法尼亚大学，因此最先使用计算机的是美国人，最先的信息交换代码也诞生于美国，即ASCII（America Standard Code for Infomation Interchange，美国信息交换标准代码）。ASCII码实质就是数字和字符的对应关系,好比大写字母"A"所对应的十进制数字为65（为了更易理解咱们以十进制举例，八进制，十六进制同理）,而十进制数字65在计算机中表示为01000001，计算机不能存储字符，可是能存储0和1，因此字母“A”在计算机中实际存储为01000001，占8位，即1个字节。其余字符也是一样的道理，各自对应一个十进制数字，可参考ASCII码标准对照表。是否是很简单，可是为什么人们还制定Unicode编码呢？因为ASCII编码是美国标准，所涵盖的字符也只仅仅包含了A-Z，a-z，数字0-9，以及其余的控制字符和一些特殊字符，一共包含127个字符，后来因为计算机普及，这127个符号已经不能知足人们的需求，因而IBM利用128~255位对ASCII码进行了补充，包含了附加符号符号，希腊字母以及制图符号等，这一部分编码则称为扩展ASCII码。
  世界上有上百种语言，很显然，标准ASCII码和扩展ASCII码仍然不能知足不一样国家对于编码的需求，好比汉字的“汉”就不能用ASCII码表示，若是在编辑器设置了ASCII编码，在遇到汉字的情景下则会出现乱码，因而中国制定了GB2312编码,日本制定了Shift_JIS编码，可是同一款应用，不一样地区的人使用，就须要包含不一样的编码集合，显然这样作是不明智的，因而Unicode应运而生。Unicode编码一般用2个字节表示，有些偏僻的字符会用到2-4个字节，从而实现一套编码保存全部字符，这样不一样国家，不一样地区就造成了一套统一的编码格式。
  仍是拿字符“A”举栗子，“A”对应的ASCII码为01000001，若是将“A”用Unicode编码表示就在前面补0就能够了，0000000001000001，如今咱们也能够用Unicode编码来表示“汉”了，0110110001001001。不难发现，若是用Unicode去编码全部的字符，乱码的问题也就迎刃而解，可是问题也来了，若是一段文字中，既有英文字母，又有汉字，英文字母一样也会用2个字节（16位）来进行表示，这显然会形成存储空间的浪费。那么有没有一种更加通用而且更加节省存储空间的编码呢？固然是有的，聪明的人们发明出了UTF-8编码，UTF-8是一种可变长的编码，为啥叫UTF-8呢，这个8是什么意思呢？8表明一个字节，即8位，但不表明UTF-8用一个字节表示一个字符，而是在UTF-8编码格式下，一个字符所占字节大小变化的最小单位，有点绕，说人话就是因为UTF-8编码下，不一样字符占用空间的大小是可变的，每一个字符多是1个字节，也多是2个或者3个字节。   

----- 待更新