關於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.

 

 

最最開始的世界，只有英文字母，因此ascii就足夠了，一個byte足以表示全部英文字母

 

而後人們忽然意識到，窩草，那別的國家的文字咋辦。因而就開始有各類charset。好比說big5，就是專精繁體中文的charset。這種charset用2個byte表示了全部中文繁體字以及一些基本的英文字符。你能夠理解成這是一個巨大的map。2個byte所表示的值做爲key。但遇到韓國字日本字的時候，他就沒法找到對應的字符，或者說對應到一些奇怪的字符上去。由於這個charset原本就不是給韓文日語準備的。

 

終於人們受夠了各類各樣的charset。開發出了unicode。一個超級巨大的表格，用4個byte能夠表示全部的字符，各個國家的都能涵蓋進去。

即UTF32，即用32個bit表示各類千奇百怪的字符

 

然而，若是我只想寫英文字符，那每一個字符我明明能用1個byte搞定，爲啥非要用4個，這樣豈不是浪費不少空間，文件大小也會變大不少。

因此有了UTF8

UTF8頗有意思，若是是0-127，即ASCII能搞定的英文字母，那他就是一個byte搞定，byte最左邊那位是0，後面7位表示ascii的0-127

若是在ascii以外，意味着他須要多個byte，那麼他的第一個byte就負責告訴你他一共須要多少個byte（包括這個byte）。好比說我要寫個奇怪的不知道是哪一個國家的複雜字符，可能須要4個byte。開頭第一個byte就是11110000，後面三個byte用來表示這個字符在unicode的那個巨大表格里的key。