從ASCII聊起

在互聯網的世界，端與端之間傳遞的報文都是未通過編碼的字節流，每8位組成1個字節，計算機以二進制爲基礎，這是因爲使用晶體管的開合狀態表示1和0，這樣8個電晶體管就能夠組成一個字節，這正是應用層使用的最小單位——字節。

在經過Socket進行網絡通訊的程序中，假如咱們在接收到報文時不知道經過什麼編碼才能正確解碼，最好的辦法就是用Socket讀取字節流，在確認編碼後再對這些字節流進行轉碼，不然產生解碼錯誤。咱們常見的編碼有ASCII、GB23十二、UNICODE、UTF-8等等，除此以外還有不少其餘編碼，爲何會有這麼多不一樣的編碼？

ASCII編碼即American Standard Code for Information Interchange，做爲美國標準信息交換編碼，而且計算機剛開始只在美國流行，因此當時全部的計算機都使用ASCII編碼，ASCII編碼是由8比特組成，從0到127分別用於表示不一樣的字符，包括各類符號、英語字母、阿拉伯數字等，因爲128種字符只需7位便可完成編碼，因此最高位被0填充。這128個字符已經徹底知足使用英語的美國人，英語單詞能夠經過拆分紅字母后用ASCII碼錶示。

後來隨着計算機的迅速發展，其餘國家相繼引入計算機，他們發現這些編碼根本不夠對他們本國文字編碼，ASCII碼一共8位，最多也只能表示256個字符，因而他們對最高位作文章，其中0-127已經被美國使用併成爲標準，爲了兼容考慮確定不能改動，剩下128-255可供使用，但很快剩下的128個編碼又被用完，如今惟一能作的就是使用兩個甚至更多個字節來表示一個字符，每一個國家都有本身的規定，因而中國編制了GB2312編碼，爲了兼容ASCII，它規定一個字節若是小於等於127則表示ASCII，若是兩個大於127的字節連在一塊兒則表示漢字，並且兩個字節的值都在必定的範圍內。通過一輪擴展後已經基本解決漢字編碼不足問題。

再後來不少國家都按本身規定給本身的文字編碼，對其餘國家的編碼一律不認識，狀況一度混亂。接着國際標準化組織推出UNICODE編碼，它要把全世界全部文字符號都包括進來，使用兩個字節16位對全部字符進行編碼，同時爲了保證兼容ASCII碼，低七位仍用於表示ASCII碼原來的字符。經過UNICODE確實是把世界全部字符都統一塊兒來了。

UNICODE編碼雖然統一了全部字符，但還存在一個問題，若是是英文字符其實用一個字節已經足夠，但使用UNICODE卻必需要搭上另一個毫無心義的字節，在網絡傳輸過程當中則意味着要多傳輸一倍無用的報文。因而引入UTF-8編碼，它屬於UNICODE的一種實現，它是一種變長的編碼方式，在UTF-8規定的實現下能夠用一個字節表示ASCII碼錶示的全部字符，避免了多餘的空間浪費。

除了上面幾種常見的編碼，還有不少其餘編碼，不一樣編碼指定的規則也不一樣，但基本都對ASCII作了兼容處理，能夠說ASCII是最基礎的。

========廣告時間========

鄙人的新書《Tomcat內核設計剖析》已經在京東銷售了，有須要的朋友能夠到 item.jd.com/12185360.ht… 進行預約。感謝各位朋友。

爲何寫《Tomcat內核設計剖析》

=========================

歡迎關注：

這裏寫圖片描述