ASCII，Unicode，UTF-8和Base64

由於計算機只能處理數字，因此若是要處理文本，就得先把文本轉換成數字才能處理。

ASCII

最先計算機在設計時採用8bit做爲一個字節（byte），因此一個字節能標識的最大整數就是255「11111111(B) = 255」，0-255被用來標識大小寫英文字母、數字和一些符號，這個編碼表就被稱爲ASCII編碼。

Unicode

若是要用來表示中文（漢字數量大約近10w個），顯然一個字節是不夠的，至少須要兩個字節。並且還不能和ASCII編碼表衝突，因此中國指定了GB2312編碼，用來編碼中文。 相似的，其餘語言也面臨這個問題，爲了統一全部文字的編碼，Unicode應運而生。

Unicode一般使用兩個字節來表示一個字符，全部的英文編碼從單字節變成了雙字節，把高字節所有填0補齊。

目前Unicode字符分爲17組編排，0x0000至0x10FFFF，每組稱爲平面（Plane），而沒平面擁有65535個碼位，共1114112個，然而目前只用了少數平面。

UTF-8

UTF-8(8-bit Unicode Transformation Format)是一種針對Unicode可變長度字符編碼。

UTF-8 與 Unicode區別

• Unicode 是 「字符集」
• UTF-8 是 「編碼規則」

字符集：爲每個字符分配一個惟一的ID(碼位/碼點/Code Point) 編碼規則：將碼位轉換爲字節序列的規則（編碼/解碼 => 加密/解密）

UTF-8編碼規則

UTF-8是一種變長字節編碼方式。最小編碼單位（code unit）爲一個字節。一個字節的前1-3個bit爲描述性部分，後面爲實際序號部分。

1. 對於單字節字符，佔用一個字節空間。0以後的全部部分（7個bit）表明Unicode中的序號。所以對於英文字母，UTF-8編碼和ASCII碼是相同的。
2. 對於n字節字符，第一個字節的前n爲都爲1，第n+1爲0，後面字節的前兩位上爲10.剩下沒有說起的二進制位爲這個符號的unicode碼。

Unicode符號範圍「十六進制」	UTF-8編碼「二進制」
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

綜上：若是一個字節的第一位是0，則這個字節單獨就是一個字符；若是第一位是1，則連續有多少個1，就表示當前佔用多少個字節。

舉例：

禿的unicode爲79C3「0111 1001 1100 0011(B)」，根據上表處於 (0000 0080-0000 FFFF)範圍內，所以UTF-8須要三個字節，即格式爲1110xxxx 10xxxxxx 10xxxxxx，將unicode從最後一位往前依次填入格式x中，多出的補0。能夠得出UTF-8編碼爲11100111 10100111 10000011，轉爲十六進制爲E7A783。

Little endian & Big endian

以上面禿爲例，unicode碼爲79C3，須要兩個字節存儲，一個字節是79，另外一個字節是C3。存儲的方式79在前，C3在後，就是Big endian(大頭方式)；C3在前，79在後就是Little endian(小透方式)

Base64

Base64是一種基於64個可打印的字符來標識二進制數據的標識方法。可打印的字符包括字母A-Z、a-z、數字0-9，這樣公有62個字符，此外兩個可打印的符號在不一樣系統中而不一樣。

在MIME格式的的電子郵件中，另外兩個符號爲加號+和斜槓/，等號=用來作後綴用途。

編碼轉換方式

1. 將每三個字節做爲一組，一共24個二進制位。
2. 將這24個二進制位分爲4組，每一個組有6個二進制位。
3. 在每組前面加兩個00，擴展成32個二進制位，及四個字節。
4. 而後根據下表獲得擴展後的每一個字節的編號，這就是Base64的編碼值。

綜上得出：

• Base64字符標中的字符本來用6bit就能夠表示，如今前面添加2個0，變爲8bit，致使Base64編碼後的文本大小比原文大約三分之一
• 爲何使用3個字節一組呢？由於6和8的最小公倍數是24，三個字節正好24個二進制位，每6bit一組，剛好可以分爲4組。

舉例以下：

1. "Man"、"a"、"n"的ASCII值分別爲7七、9七、110，對應的二進制值爲0100110一、0110000一、01101110，將他們連成24位的二進制字符串010011010110000101101110。
2. 將24位的二進制字符串分爲四組，即：0100十一、0101十、00010一、101110。
3. 在每組前面加00，擴展成32個二進制位，即000100十一、000101十、0000010一、00101110。
4. 根據上表，獲得Base64編碼爲T、W、F、u。

位數不足3位處理

1. 二位的狀況：兩個字節工共16個二進制位，按照上面方式分組，每6個一組，則第三組缺乏2位，用0補齊。如"Ma"能夠轉換爲三組000100十一、000101十、00010000，對應的Base64值分別爲T、W、E，再補上一個"="號，所以"Ma"的Base64編碼爲"TWE="
2. 一位的狀況：一字節工8個二進制位，按照上面方式分組，每6個一組，則第二組缺乏4位，用0補齊。如"M"能夠轉換爲000100十一、00010000，對應的Base64位的值分別爲：T、Q，再補上兩個"="號，所以"M"的Base64編碼就是TQ==

注意事項

• 大多數編碼都是由字符串轉換爲二進制的過程，而Base64的編碼則是從二進制轉爲字符串。
• Base64主要用在傳輸，存儲，表示二進制領域，不能算得上加密，只是沒法直接看到銘文。
• 中文有不少編碼（好比：UTF-八、GB23十二、GBK等），不一樣的編碼對應的Base64編碼結果不同。