ASCII，Unicode，UTF-8和Base64

由于计算机只能处理数字，因此若是要处理文本，就得先把文本转换成数字才能处理。

ASCII

最先计算机在设计时采用8bit做为一个字节（byte），因此一个字节能标识的最大整数就是255「11111111(B) = 255」，0-255被用来标识大小写英文字母、数字和一些符号，这个编码表就被称为ASCII编码。

Unicode

若是要用来表示中文（汉字数量大约近10w个），显然一个字节是不够的，至少须要两个字节。并且还不能和ASCII编码表冲突，因此中国指定了GB2312编码，用来编码中文。 相似的，其余语言也面临这个问题，为了统一全部文字的编码，Unicode应运而生。

Unicode一般使用两个字节来表示一个字符，全部的英文编码从单字节变成了双字节，把高字节所有填0补齐。

目前Unicode字符分为17组编排，0x0000至0x10FFFF，每组称为平面（Plane），而没平面拥有65535个码位，共1114112个，然而目前只用了少数平面。

UTF-8

UTF-8(8-bit Unicode Transformation Format)是一种针对Unicode可变长度字符编码。

UTF-8 与 Unicode区别

• Unicode 是 「字符集」
• UTF-8 是 「编码规则」

字符集：为每个字符分配一个惟一的ID(码位/码点/Code Point) 编码规则：将码位转换为字节序列的规则（编码/解码 => 加密/解密）

UTF-8编码规则

UTF-8是一种变长字节编码方式。最小编码单位（code unit）为一个字节。一个字节的前1-3个bit为描述性部分，后面为实际序号部分。

1. 对于单字节字符，占用一个字节空间。0以后的全部部分（7个bit）表明Unicode中的序号。所以对于英文字母，UTF-8编码和ASCII码是相同的。
2. 对于n字节字符，第一个字节的前n为都为1，第n+1为0，后面字节的前两位上为10.剩下没有说起的二进制位为这个符号的unicode码。

Unicode符号范围「十六进制」	UTF-8编码「二进制」
0000 0000-0000 007F	0xxxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx

综上：若是一个字节的第一位是0，则这个字节单独就是一个字符；若是第一位是1，则连续有多少个1，就表示当前占用多少个字节。

举例：

秃的unicode为79C3「0111 1001 1100 0011(B)」，根据上表处于 (0000 0080-0000 FFFF)范围内，所以UTF-8须要三个字节，即格式为1110xxxx 10xxxxxx 10xxxxxx，将unicode从最后一位往前依次填入格式x中，多出的补0。能够得出UTF-8编码为11100111 10100111 10000011，转为十六进制为E7A783。

Little endian & Big endian

以上面秃为例，unicode码为79C3，须要两个字节存储，一个字节是79，另外一个字节是C3。存储的方式79在前，C3在后，就是Big endian(大头方式)；C3在前，79在后就是Little endian(小透方式)

Base64

Base64是一种基于64个可打印的字符来标识二进制数据的标识方法。可打印的字符包括字母A-Z、a-z、数字0-9，这样公有62个字符，此外两个可打印的符号在不一样系统中而不一样。

在MIME格式的的电子邮件中，另外两个符号为加号+和斜杠/，等号=用来作后缀用途。

编码转换方式

1. 将每三个字节做为一组，一共24个二进制位。
2. 将这24个二进制位分为4组，每一个组有6个二进制位。
3. 在每组前面加两个00，扩展成32个二进制位，及四个字节。
4. 而后根据下表获得扩展后的每一个字节的编号，这就是Base64的编码值。

综上得出：

• Base64字符标中的字符本来用6bit就能够表示，如今前面添加2个0，变为8bit，致使Base64编码后的文本大小比原文大约三分之一
• 为何使用3个字节一组呢？由于6和8的最小公倍数是24，三个字节正好24个二进制位，每6bit一组，刚好可以分为4组。

举例以下：

1. "Man"、"a"、"n"的ASCII值分别为7七、9七、110，对应的二进制值为0100110一、0110000一、01101110，将他们连成24位的二进制字符串010011010110000101101110。
2. 将24位的二进制字符串分为四组，即：0100十一、0101十、00010一、101110。
3. 在每组前面加00，扩展成32个二进制位，即000100十一、000101十、0000010一、00101110。
4. 根据上表，获得Base64编码为T、W、F、u。

位数不足3位处理

1. 二位的状况：两个字节工共16个二进制位，按照上面方式分组，每6个一组，则第三组缺乏2位，用0补齐。如"Ma"能够转换为三组000100十一、000101十、00010000，对应的Base64值分别为T、W、E，再补上一个"="号，所以"Ma"的Base64编码为"TWE="
2. 一位的状况：一字节工8个二进制位，按照上面方式分组，每6个一组，则第二组缺乏4位，用0补齐。如"M"能够转换为000100十一、00010000，对应的Base64位的值分别为：T、Q，再补上两个"="号，所以"M"的Base64编码就是TQ==

注意事项

• 大多数编码都是由字符串转换为二进制的过程，而Base64的编码则是从二进制转为字符串。
• Base64主要用在传输，存储，表示二进制领域，不能算得上加密，只是没法直接看到铭文。
• 中文有不少编码（好比：UTF-八、GB23十二、GBK等），不一样的编码对应的Base64编码结果不同。