ASCII、Unicode 、UTF-8学习梳理

一、计算机存储单位

了解编码前先梳理一下计算机的各种存储单位

1、bit（位）

数据存储的最小单位，因为计算机是通过二进制来存储，传输数据的，二进制数据中的一位就是1bit。
很多时候用来表带宽。

2、byte（字节）

8bit = 1byte

4bit能代表一个16进制位，很多流的打印中，会用两个16进制位来表示8个bit也就是1个byte

n(bit)能枚举的量为 2ⁿ,n个16进制位能枚举的量为2⁴ⁿ，而n(byte)能表示的量为2⁸ⁿ。

字体编码

1、ASCII码

ASCII码是一套很基础且沿用至今的编码集，一共规定了128个字符的编码，用8个bit也就是一个字节来表示。具体如下

机器只能识别二进制，有这个表做对照，机器就能通过二进制代码认识相应的文字了。

2、拓展版ASCII码

很多人认为1个字节的可以表示2⁸个量，剩下128个位置为什么不用完呢，然后各方开始想要把剩下的128个位置补完
比如 ibm的拓展ASCII表

和 ISO-8859-1
其中包含欧洲各国语言中最常用的非英文字母

因为当时对额外字符对规范太多了，不同标准端的收发数据都会出现很多不能兼容的符号，而且，这在亚洲根本不能用，成千上万个文字根本不能塞进256个位置里，那咋办嘛。于是出现了Unicode码

3、Unicode编码集

如其名字一样，每个字符都有一个独一无二的编码，因为它用16个bit来表示一个字符，也就是它有2¹⁶，也就是65,536个可能。

但是65536个还是不够，想想我们有多少中文字，还有日本，印度等等等等，有些可能会用3个甚至4个字节来进行表示，windows系统的可以在html代码中输入&#xxxx;玩玩，mac的话很多字符不支持。具体可以去

https://blog.csdn.net/weixin_42476799/article/details/95057404中charCodeAt那部分玩玩看看。
下面还有html自己的转义编码表

这时候就要问，这不是已经完结了吗，啥都可以做了，但是很多国家，很少用到8个bit也就是一个字节以上的的字符，因为大都只用英文，如果按照Unicode编码规范，就会大大占用内存空间，影响传输效率。

比如在Unicode编码规范下，原本用两个16进制（1byte）6和5就能表示的大写A现在要用四个16进制（2byte）也就是0065来表示，当然不愿意了。浪费一半内存,还浪费传输效率。所以Unicode编码就被放入了冷宫。

这时候utf-8就出现了

4、utf-8编码集

utf-8的好处是能够用1~4个字节来表示字符，对应的编码规范还是Unicode编码，但是在这上面做了自己的规则升级，它可以根据不同字符变化编码的长度，比如说a(#97)就只用一个字节编码，但是“啊”就要用三个字节（#021834），这时候真正大统一了，捡字符便宜的捡到了便宜，想要用上相应国家文字的也用上了相应的文字，虽然占内存大了点，但是没有办法。所以，现在不管是html，还是其他的，大多都会声明成utf-8，因为通用，就不会有很多乱码出现了。

但是很多时候怎么判断是一个字符占用一个字节呢，这就要说到utf-8的规则了，转成二进制后第一位如果是0，则判定为其为一个字节的字符。

对n个字节的的字节的字符，第一个字节的二进制上会有n个1，n+1位上放个0。这就可以判定它是几个字节的字符了。

而“烫烫烫”那种，其实是vscode的内存填充问题，没有初始化的情况下，自动编码成CCDD和CDCD，然后输出就变这样了。