字符串編碼的那些事

字符串編碼常見的有ASCII碼，Unciode編碼和UTF-8編碼等，那麼這些字符串編碼他們的做用是什麼？他們之間又有何聯繫？下面讓本人來由淺入深來說解這些編碼。

由ASCII碼提及

咱們知道，計算機只能存儲二進制，不能存儲字符，若是要存儲字符，必須將字符轉化爲二進制，計算機中定義一個字節爲8位，因此一個字節能存的最大整數爲255，若是要表示更大的整數，則必需要更大的字節，而ASCII碼則是將大小寫英文字母、數字和一些符號轉化爲整數的一種編碼，好比整數A的ASCII編碼是65，小寫a的ASCII編碼則是97，ASCII編碼一共有127個字符。

因爲ASCII編碼只編碼英文字符，若是要使用漢字則要使用一種新的編碼GB2312編碼，而編碼漢字僅僅一個字節存儲的整數是不夠的，因此編碼漢字至少須要兩個字節。

可是若是咱們要編碼日文或者韓文呢？你能夠想獲得的是，全世界有上百種語言，日本把日文編到Shift_JIS裏，韓國把韓文編到Euc-kr裏，各國有各國的標準，就會不可避免地出現衝突，結果就是，在多語言混合的文本中，若是隻用一種特定的編碼，顯示出來會有亂碼。

解決之道

解決方法就是用一種特殊的編碼「Unicode編碼」，Unicode把全部語言都統一到一套編碼裏，這樣就不會再有亂碼問題了。

新的問題產生了

既然Unicode編碼將全部語言都統一到一套編碼裏，那麼是否是每種狀況都用Unicode編碼就好了呢？答案是否認的，那麼爲何不在全部狀況下都用Unicode編碼呢？下面我來舉個例子：
首先，根據Unicode標準，通常用兩個字節來表示一個字符，某些生僻字會用四個字符來表示。

假設字符「A」，它在ASCII編碼條件下二進制爲01000001（十進制的65）；
而字符A在Unciode編碼條件下二進制爲00000000 01000001（根據標準Unicode須要兩個字節表示，不足位補0）；

由上面例子可知，字符A的Unicode編碼比ASCII編碼多佔了一個字節，因此在文本全是英文的環境下，Unicode編碼比ASCII編碼多一倍存儲空間，這是十分不划算的。那麼有沒有一種既能處理亂碼問題又能節約空間的編碼呢？固然有，下面咱們來介紹一種新的編碼UTF-8編碼。

UTF-8編碼與Unicode編碼

UTF-8編碼把一個Unicode字符根據不一樣的數字大小編碼成1-6個字節，經常使用的英文字母被編碼成1個字節，漢字一般是3個字節，只有很生僻的字符纔會被編碼成4-6個字節。若是你要傳輸的文本包含大量英文字符，用UTF-8編碼就能節省空間，UTF-8編碼將英文字符編碼成一個字節，因此使用UTF-8編碼能很好的兼容古老的用ASCII編碼的文本文件。
既然弄清楚了UTF-8編碼、Unicode編碼的區別和聯繫，下面我來介紹下這三個編碼的應用場景：

在計算機內存中，統一使用Unicode編碼，當須要保存到硬盤或者須要傳輸的時候，就轉換爲UTF-8編碼。

好比，在服務器生成網頁傳給客戶端的過程當中，服務器會把動態生成的Unicode內容轉換成UTF-8編碼傳給客戶端，因此你在客戶端網頁源碼上會看到網頁是由UTF-8編碼的。