关于字符集和编码

1.字节序

读取多个字节的顺序，叫字节序。分大端和小端。当数据太大，一个字节存不下的时候，我们就得使用多个字节了.比如，我有两个分别需要4个字节存储的整数，为了方便说明，使用16进制表示这两个数，即0x12345678和0x11223344

小端（Little endian）字节序，即先存低位的那一端（两个数字的最低位分别是0x78、0x44）
大端（Big endian）字节序，即先存高位的那一端（两个数字的最高位分别是0x12、0x11）

2.字符集

计算机中的所有字符, 都是用二进制的 0/1 排列组合来表示的, 因此就需要有一个规范来规定每个字符对应 0/1 排列组合, 这样的规范就是字符集.

3.ASCII

最早的计算机在设计时采用 8 个 bit 作为一个字节 - byte, 所以, 一个字节能表示的范围就是 00000000 到 11111111, 也就是 0 到 255, 一共 256 种状态, 每一个状态对应一个符号, 可以表示 256 个符号.

4.GBK

中国基于汉字制定了 GB2312 编码,但是还是不够用，所以出现了GBK,GBK 是在 GB2312 基础上扩容后兼容 GB2312 的标准.

5. Unicode

它为每种语言中的每个字符设定了统一并且唯一的二进制编码, 能够使计算机实现跨语言、跨平台的文本转换及处理.通常两个字节表示一个字符, 原有的英文编码从单字节变成双字节，只需要把高字节全部填为 0 就可以.
但是, 这里就有一个问题, 这些英文字母只需要一个字节就能存储, 现在用两个字节, 文件的体积就可能要扩大两倍. 这没办法接受!

因此，Unicode 有了各种各样的实现形式，最出名的是UTF-8

6. UTF-8

UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式.
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:

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.
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.

Unicode符号范围(十六进制)	UTF-8编码方式（二进制）
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx