字符與編碼

字符的存儲

計算機只認識數字，因此字符都須要進行一層轉換

最先的計算機在設計時採用8個比特（bit）做爲一個字節（byte），因此，一個字節能表示的最大的整數就是255（二進制11111111=十進制255），若是要表示更大的整數，就必須用更多的字節。好比兩個字節能夠表示的最大整數是65535，4個字節能夠表示的最大整數是4294967295

因此呢.字符的轉換須要進行編碼，變成計算機認識的數字

而讀取字符的時候一樣須要把數字進行編碼

而編碼表有不少

ASCII編碼

因爲計算機是美國人發明的，所以，最先只有127個字符被編碼到計算機裏，也就是大小寫英文字母、數字和一些符號，這個編碼表被稱爲ASCII編碼，好比大寫字母A的編碼是65，小寫字母z的編碼是122 ASCII碼們只佔用一個字節喔

 

Unicode編碼

美國這邊ASCII碼固然能夠，但處理中文顯然不夠，一個字節也是不夠的，至少要兩個字節，因此中國定製了gb2312編碼，而日本、韓國那邊也制定了一套本身的編碼。若是我如今有一個需求，就是一個網站能夠隨意切換國家語言(切換成各個國家獨有的編碼).這麼一搞的話，N個國家就得N個網站頁面。爲了不這種低效率的工做,推出一套標準勢在必行.Unicode應運而生

Unicode把全部語言都統一到一套編碼裏，這樣只要切換編碼而不是重寫頁面,也不會有亂碼問題了

Unicode標準在不斷的發展，但最經常使用的是用兩個字節表示一個字符(若是要用到很是偏僻的字符，就須要4個字節)。現代操做系統和大多數編程語言都直接支持Unicode

如今，擼一擼Unicode和ASCII的區別：2字節(一般狀況) PK 1字節

字母A用ASCII編碼是十進制的65，二進制的01000001；

字符0用ASCII編碼是十進制的48，二進制的00110000，注意字符'0'和整數0是不一樣的；

漢字‘中’已經超出了ASCII編碼的範圍，用Unicode編碼是十進制的20013，二進制的01001110 00101101。

你能夠猜想，若是把ASCII編碼的A用Unicode編碼，只須要在前面補0就能夠，所以，A的Unicode編碼是00000000 01000001。

UTF-8

新的問題又出現了：若是統一成Unicode編碼，亂碼問題今後消失了。可是，若是你寫的文本基本上所有是英文的話，用Unicode編碼比ASCII編碼須要多一倍的存儲空間，在存儲和傳輸上就十分不划算。

因此，本着節約的精神，又出現了把Unicode編碼轉化爲「可變長編碼」的UTF-8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：

字符	ASCII	Unicode	UTF-8
A	01000001	00000000 01000001	01000001
中	x	01001110 00101101	11100100 10111000 10101101

總結

搞清楚了ASCII、Unicode和UTF-8的關係，咱們就能夠總結一下如今計算機系統通用的字符編碼工做方式：

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。

瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換爲UTF-8再傳輸到瀏覽器：

因此你看到不少網頁的源碼上會有相似的信息，表示該網頁正是用的UTF-8編碼。

參考文獻:廖雪峯大神 → 字符與編碼