utf-8和Unicode的區別

utf-8和Unicode到底有什麼區別？是存儲方式不一樣？編碼方式不一樣？它們看起來彷佛很類似，可是實際上他們並非同一個層次的概念

要想先講清楚他們的區別，首先應該講講Unicode的來由。

• 衆所周知，在盤古開天闢地以前,sorry ,走錯片場了(⊙o⊙)…在計算機發明的時候 ,因爲計算機你只能表示二進制的數據，美帝人民爲了交流通訊方便，約定了一個編碼系統，就是ASCII碼，把abc..xyz...ABC...XYZ...!@#...等字符分別和0,1,2,3,4......對應，發現差很少恰好128個數，半個字節的長度，爲了防止之後須要爲新的符號編碼，因而乾脆取一個字節，最高位置爲0。後七位從0-127分別對每個符號編碼。
  • 因而，計算機每次讀取一個字節，而後參照ASCII表把這些編碼翻譯成字符。美國人民很高興，拿着本身玩去了.......

• 後來歐洲人也玩計算機，發現不行啊，還有不少符號（法語，德語）ASCII沒辦法表示啊，因而歐洲人本身也擼了一套編碼，一個字節的長度，把最高位也用掉了。這套編碼叫ISO。

  • 和ASCII表相似，計算機也是每次只讀一個字節，而後按照ISO表，解碼出字符。因而歐洲人民也很高興。

• 中國人不高興了，特麼咱們漢字有幾萬個，經常使用的就有幾千個，沒有兩個字節根本交不了貨。因而勤勞勇敢的中國人民就破天荒的用了兩個字節來表示中文。整出一套GBK。爲了現實我中華民族兼容幷蓄，咱們兼容了ASCII編碼。

  • gbk編碼規定，計算機不能在每次都只讀一個字節那麼死板了，你要先看看第一位是否是爲0，要是爲0 的話，就看成ASCII碼來讀入一個字節，否則的話就讀入兩個字節。

  • 計算機 : WTF ?? !!

因而天下就很亂了，歐洲人看不懂咱們發過去的信息，咱們也看不懂他們的東西，美國人看不懂個人東西，不過咱們能看懂他們的信息。。。哈哈。

總之，天下大亂，羣雄並起，百姓生靈塗........

這個時候，就有個國際組織站出來了，說，這麼着吧，我來擼一套編碼，把你們的編碼都概括進來。因而unicode編碼就出現了。這套編碼表的編號從0一直算到了100多萬（三個字節）。每個區間都對應着一種語言的編碼。目前幾乎收納了全世界大部分的字符。全部的字符都有惟一的編號，這就解決了解碼的衝突，因而天下大定！可是，unicode把你們都概括進來，卻沒有爲編碼的二進制傳輸和二進制解碼作出規定。只留下一句：大哥只能幫你到這裏了。

我知道你必定在想，要個毛的規定啊，每次讓計算機讀取三個字節而後參照Unicode表解碼就行了。想法是好的，可是若是相似於1號編碼這樣的小數據編號也要三個字節的話，那麼也就是0x000001,這簡直就是浪費啊，明明一個字節就能夠表示了，你非得整三個，因此你究竟是幾個意思呢？

無論怎麼樣，大哥雖然走了，可是問題還得解決啊，因而，就出現了以下解決方案：uft-8，utf-16，utf-32這些編碼方案。utf-16是用兩個字節來編碼全部的字符，utf-32則選擇用4個字節來編碼。下面只講一下utf-8這種解決方案，由於它用的最多，用得最可能是由於在當時它的方案最好，最節省資源。

• utf-8

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.png

• 我知道你想說，明明看起來utf-16更加節省資源，節省空間，正常人都看得出來。但實際上，當時，互聯網上絕大部分存在的資源都是英文的，英文在utf-16中也是2個字節，而在utf-8中則是1個字節。在當時，顯然是utf-8更加節省資源。如今咱們在中文世界裏來比較他們，則是utf-16更加節省資源。

OK，關於unicode和utf-8的區別已經解釋完畢了。下面用一個圖來鞏固一下那些區別

 

                                                                                  Unicode與uft-8的結構關係.png