全球化編碼

從C\C++\開始學編程的兄弟們確定對char這個基本類型有深入的理解。什麼\0最爲結束符，strlen和sizeof，字符串數組和char*的字符串，這部分基本上是學習C語言最早要面對的一個攔路虎。固然學習java、C#這些相對沒有歷史包袱的語言的時候，就不會感到這麼坑爹了。

實際上，對不起各位的是，char這個類型做爲描述字符的載體，還有着其餘的問題。咱們在下面簡單說一些。（僅做爲拋磚引玉，若是有什麼缺陷，但願你們不吝賜教）

1. 對於老美來講，char很完美。從char這個類型來講，在C\C++的標準中，它佔用8位，也就是最多支持256個字符，除去一個結束符，最多也就支持255個。C\C++這羣人在一開始的時候，255個足夠老美用了，就愉快的決定義了字符和一些製表符在char裏面的表現方式。這就是ASCII。這裏我多說一句，ASCII是一種編碼格式，他表示的是一個碼錶（code set）在計算機裏面的表現方法。咱們要區分清楚碼錶和編碼這二者的區別。
2. 對象形語系來講，char不夠用。當C\C++出海了以後，到了亞洲國家，人們就發現用char表示這麼多漢字，根本就是強人所難。因此當時主要是中國、日本、韓國，各自定義了本身的碼錶和編碼，基本上都是用更多的char來表示更多的字。好比說「啊」，在GB2312中，就用0xB0（第一個字節） 0xA1（第二個字節）儲存。而且前0x00~0xFF與ASCII兼容。
3. 對於不一樣的拉丁語系來講，char也很蛋疼。對於有重音的拉丁語系，例如à，它就須要佔用ASCII表中128--255的部分。那麼一樣的是char，一樣的值，對應不一樣的拉丁語碼錶的時候，可能就會出現不一樣的結果。
4. 對於象形語系來講，更加蛋疼。好比中國的「啊」再GB2312下是0xB0、0xA1，那麼到了GBK下面，可能就是其餘的字，由於GBK和GB2312的碼錶和編碼都不同。

後來，你們發現了這個問題，對於一個程序，想要全球發佈，就會面臨很大的問題。因此後來人們就發明了另一種碼錶-Unicode。顧名思義，Unicode是把世界上全部的字符，都包含進來的一個超級大的碼錶。Unicode的基本思想就是，個人表裏面什麼都有，不管在任何語言的任何系統，只要支持Unicode，就能在表裏面找到想要的字符。當前Unicode使用的是UCS-2（16位的），能夠容納65535個字符，基本上也夠用了。編碼方式有utf-1六、utf-3二、utf-8。由於utf-8對以前的一些字符串函數兼容性更好，因此如今普遍使用的就是utf-8。

 

好了，到如今爲止，咱們一共提出了ASCII、亞洲的多字符編碼、Unicode三種大的編碼方式。那咱們要怎麼選擇，以及他們相互之間要怎麼切換哪？等我有時間再說。