关于文字的编码

我们知道在计算机中存储的都是0和1的二进制码，那怎么用这些数字来表达我们通常用的字符呢？人们通过编码的方式人为的规定了用特定的数字对应特定的字符。这就是编码。

一、ASCII码

计算机是在欧洲发明的，刚开始就只有欧洲人使用，他们为了在计算机上表示他们常用的字符美国制定了ASCII码表，因为它们的字符比较少（ASCII只包含了128个字符），用0~127（用一个字节的低7位）就能表示完成，每一个数字对应一个字符，比如“A”对应65。它们就用一个字节代表一个字符，最高位统一为零。
二、非ASCII码
随着许许多多的国家离开时使用计算机，在不同的国家可能有着不同的语言。比如，我么那中国人也需要使用计算机啊，我们需要在计算机上用我们的汉字啊，那怎么办呢？我么你的汉子那么多，一个字节只能表示256个显然是不够的，那就需要更多的字节来存储一个汉字了。比如，简体中文常见的编码方式是GB2312，使用两个字节表示一个汉字，所以理论上最多可以表示256x256=65536个符号。
在其他的国家同样如此。

三、Unicode

正如上面说的一样，每个国家都使用不同的编码，随着互联网的普及，不同地区的人也有了普遍的资源共享，但是每个地方的编码又不相同，就造成了乱码的现象，为了统一编码，将全世界的字符都编入一个表中，这就是Unicode码，又称为万国码。

四、Unicode的问题

但是将全世界的字符都编入一个表中，数字是相当大的。那这些编码怎么存储呢？那些字符编码在低数字的国家也用多个字节表示的话，那是很浪费内存的。比如，英文字符依然在0~127，使用一个字节就能存储，而汉子却至少需要3个字节存储，那么英文字母也用3个字母存储的话是很浪费内存的，如果不用相同的字节数，在一篇文章中又很难知道它是什么编码。所以我们需要有需要一个统一却又不浪费内存的编码。

五、UTF-8

UTF-8编码方式在互联网上广泛使用，注意它只是Unicode码的一种编码方式。utf-8可以使用1~4个字节表示一个字符，这样及解决了统一的问题有解决了浪费内存的问题。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。
总结如下（字母x表示可用编码的位）
Unicode符号范围 | UTF-8编码方式
(十六进制) |（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
如“中”字，在Unicode码中对应0x4e2d，它的UTF-8编码就是：E4 B8 AD，对应的二进制就是1110 0100 1011 1000 1010 1101，根据上面你的规则，对应的Unicode码的二进制就是0100 11 1000 10 1101，这个二进制对应的就是0x4e2d。
Unicode码还有其他的编码方式，这里就不多说了。