编码问题的思考

编码问题起源：

计算机只认0与1，要使计算机可以表示人类认识的符号标志，就要使用编码来表示了。最初计算机是美国人发明的，他们为了表示英文字母和一些标点，就发明了ASCII码。然后计算机到了欧洲，ASCII码无法满足欧洲人的需求就有了扩展的ASCII码。后来计算机到了中国，中国人发现自己的文字在计算机上无法显示，就发明了GB2312编码。最后就发展到不同的国家就有不同的实现。

这样就可以解决了自己国家的问题了，不过随着互联网的普及，不同国家的通讯愈来愈频繁了，就发生了乱码的问题了。后来有人为了解决这个问题，就发明了一套Unicode的编码了。

 

下面介绍几个重要的编码：

1.ASCII

用一个字节（如0000 0000）即两个十六进制数（如FF）表示，可表示256个状态，但只取其中的128个有用字符（该字节的最高位没有用到，为0）。

2.可扩展的ASCII编码。

主要是欧洲国家使用，使用了ASCII码的高位表示更多的符号，有多个不同的扩展。主要的是ISO8859-1编码（拉丁语系）。

3.GB2312->GBK->GB13000

ASCII码无法表示中文。中国人就使用GB码表示，GB2312，GBK，GB13000就是其中的各个标准。最主要的不同就是收录的汉字多少不同，但是编码是兼容的。

4.BIG5

繁体中文的编码，主要是用于台湾和香港。

5.Unicode

Unicode只是一个符号集，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。内容包含符号6811个，Unicode于1992年6月通过DIS（Draf International Standard），目前版本V2.0于1996公布，汉字20902个，韩文拼音11172个，造字区6400个，保留20249个，共计65534个。Unicode编码后的大小是一样的.例如一个英文字母 "a" 和　一个汉字 "好"，编码后都是占用的空间大小是一样的，都是两个字节。

5.UTF-8

UTF-8是Unicode的实现方式之一。

因为对于英文字母，unicode也需要两个字节来表示。所以Unicode不便于传输和存储。因此而产生了UTF编码，UTF编码兼容ISO8859-1编码，同时也可以用来表示所有语言的字符，不过，UTF编码是不定长编码，每一个字符的长度从1-6个字节不等。另外，UTF编码自带简单的校验功能。一般来讲，英文字母都是用一个字节表示，而汉字使用三个字节。

注意，虽然说utf是为了使用更少的空间而使用的，但那只是相对于unicode编码来说，如果已经知道是汉字，则使用GB2312/GBK无疑是最节省的。不过另一方面，值得说明的是，虽然utf编码对汉字使 用3个字节，但即使对于汉字网页，utf编码也会比unicode编码节省，因为网页中包含了很多的英文字符。

 

感受：

总觉得有很多关于编码的细节没写，不过想了下，具体细节Google一下就可以找到了，就写了下感受较深的东西吧。另外，在我们的应用程序中，我觉得我们能用utf8就尽量使用utf8的编码。也算是为标准化做下贡献吧。