深刻理解ASCII,Unicode和UTF-8編碼

1.爲何須要編碼？

  因爲計算機只能處理0和1（即兩種狀態：高低電平），全部咱們須要將英文字母，數字，特殊符號翻譯成計算機認識的0和1，那如何去翻譯以及用何種規則去翻譯呢，因而聰明的人們發明了一系列編碼規則，即字符和數字的對應。最早被髮明的是ASCII編碼，後來則衍生出了Unicode編碼和UTF-8編碼。

2.編碼格式的演變

  世界第一臺計算機誕生於美國賓西法尼亞大學，因此最先使用計算機的是美國人，最先的信息交換代碼也誕生於美國，即ASCII（America Standard Code for Infomation Interchange，美國信息交換標準代碼）。ASCII碼實質就是數字和字符的對應關係,好比大寫字母"A"所對應的十進制數字爲65（爲了更易理解咱們以十進制舉例，八進制，十六進制同理）,而十進制數字65在計算機中表示爲01000001，計算機不能存儲字符，可是能存儲0和1，因此字母「A」在計算機中實際存儲爲01000001，佔8位，即1個字節。其餘字符也是一樣的道理，各自對應一個十進制數字，可參考ASCII碼標準對照表。是否是很簡單，可是爲什麼人們還制定Unicode編碼呢？因爲ASCII編碼是美國標準，所涵蓋的字符也只僅僅包含了A-Z，a-z，數字0-9，以及其餘的控制字符和一些特殊字符，一共包含127個字符，後來因爲計算機普及，這127個符號已經不能知足人們的需求，因而IBM利用128~255位對ASCII碼進行了補充，包含了附加符號符號，希臘字母以及製圖符號等，這一部分編碼則稱爲擴展ASCII碼。
  世界上有上百種語言，很顯然，標準ASCII碼和擴展ASCII碼仍然不能知足不一樣國家對於編碼的需求，好比漢字的「漢」就不能用ASCII碼錶示，若是在編輯器設置了ASCII編碼，在遇到漢字的情景下則會出現亂碼，因而中國製定了GB2312編碼,日本製定了Shift_JIS編碼，可是同一款應用，不一樣地區的人使用，就須要包含不一樣的編碼集合，顯然這樣作是不明智的，因而Unicode應運而生。Unicode編碼一般用2個字節表示，有些偏僻的字符會用到2-4個字節，從而實現一套編碼保存全部字符，這樣不一樣國家，不一樣地區就造成了一套統一的編碼格式。
  仍是拿字符「A」舉栗子，「A」對應的ASCII碼爲01000001，若是將「A」用Unicode編碼表示就在前面補0就能夠了，0000000001000001，如今咱們也能夠用Unicode編碼來表示「漢」了，0110110001001001。不難發現，若是用Unicode去編碼全部的字符，亂碼的問題也就迎刃而解，可是問題也來了，若是一段文字中，既有英文字母，又有漢字，英文字母一樣也會用2個字節（16位）來進行表示，這顯然會形成存儲空間的浪費。那麼有沒有一種更加通用而且更加節省存儲空間的編碼呢？固然是有的，聰明的人們發明出了UTF-8編碼，UTF-8是一種可變長的編碼，爲啥叫UTF-8呢，這個8是什麼意思呢？8表明一個字節，即8位，但不表明UTF-8用一個字節表示一個字符，而是在UTF-8編碼格式下，一個字符所佔字節大小變化的最小單位，有點繞，說人話就是因爲UTF-8編碼下，不一樣字符佔用空間的大小是可變的，每一個字符多是1個字節，也多是2個或者3個字節。   

----- 待更新