Unicode和Utf-8詳細解說

　　一、ANSI (American National Standards Institute，美國國家標準協會)制定的「ASCII」編碼（American Standard Code for Information Interchange，美國信息互換標準代碼）。那時世界上全部的計算機都用一樣的ASCII方案來保存英文文字，是基於拉丁字母的一套電腦編碼系統，主要是用於顯示現代英語和其餘西歐的語言，它是現今最通用的單字節編碼系統，等同於國際標準ISO/IEC 646。

　　下面咱們來看一下，ASCII表格。

　　ASCII碼爲7位，佔一個字節（最高爲0），它存放時必須佔全一個字節，也即佔用8位。ASCII編碼是由ANSI（美國國家標準協會)制定的一種包括數字、字母、通用符號、控制符號在內的字符編碼集。

 編碼簡單描述：

（1）ASCII碼：美國人最初把本身的語言用計算表示，發現0-127能夠表示數字、字母、通用符號、控制符號。（7位，佔用1個字節。）

（2）ISO 8899-1：歐洲人研發，0-127是ASCII碼，128-255加了一些特殊的字符。（佔用1個字節。）

（3）GBK：中國人研發，兼容ASCII碼來表示中文。（佔用兩個2字節。）

（4）Unicode：設計出全世界語言的對應編碼，就像編了一本大漢語詞典。

　　　　　　　　定義地址範圍：3個字節（編碼表的編號從0一直算到了100多萬）。

　　　　　　　　字符都有惟一的編號，這就解決了解碼的衝突。

　　　　　　　　沒有爲編碼的二進制傳輸和二進制解碼做出規定。

因而，就出現了以下解決方案：utf-8（1個字節）, utf-16（2個字節）, utf-32（4個字節）這些編碼方案。

utf-8這種解決方案，用得最多，由於在當時它的方案最好，最節省資源。

utf-8爲了節省資源，採用變長編碼，編碼長度從1個字節到6個字節不等。

UTF-8的編碼規則很簡單，只有二條：
一、對於單字節的符號，字節的第一位設爲0，後面7位爲這個符號的unicode碼。所以對於英語字母，UTF-8編碼和ASCII碼是相同的。
二、對於n字節的符號（n>1），第一個字節的前n位都設爲1，第n個字節的第n+1位設爲0，後面字節的前兩位一概設爲10。剩下的沒有說起的二進制位，所有爲這個符號的unicode碼。

 

提問：後面字節的前兩位一概設爲10，爲何呢？

後面字節的前兩位一概設爲10(10000000也就是80)是由於必需要大於7F才和ASCII碼分開。

下面，咱們來宏觀的看一下UTF-8和Unicode是怎麼工做的吧？