基础知识Notes: 字符串编码（ASCII, Unicode and UTF8）

总结陈述：ASCII码是用来表示英语字符的编码。只用1个字节（8位）。所以总共有256种可能。虽然实际而言只规定了128种，但是其每个字符的表示依然需要1个字节。而且，最高位永远为0.

UTF-8是Unicode码的优化方案中采用得较为广泛的方案。Unicode设计的动机：世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。可以想象，如果有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码。

Unicode的好处是显而易见的，但是坏处便是需要很多位去表示一个字符（总共有million级别的可能），然而很多时候，是不需要那么多位的。它的提出代表一种方案，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8是Unicode的实现方式之一。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

参考链接：http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html