从ASCII码到UTF8，讲一讲编码

1、计算机是世界上最笨的机器，它只认识 ‘0’ 和 ‘1’；人类是世界上最聪明的动物，几千年的演进产生了无数灿烂的文化成果，最有代表性的一个就是文字，文字的产生和改进最大程度地提高人类合作的效率，提高生存能力，在优胜略汰的自然选择中成为王者；那么笨笨的计算机怎么和人类交互呢，怎么识别文字呢，答案就是编码。

2、最早计算机是老外发明的，他们的文字只有26个英文字母和一些简单特殊字符，加起来也没有超过128个，所以出现了最简单的编码方式ASCII码，用一个字节就可以表示所有的文字了，甚至都没用完（最高位bit7固定为0）。那么就简单了，人们在键盘上敲下A键，我们的键盘设备就会把这个信息向告知计算机一个A被按下了，计算机当然会做很多很复杂事情，其中一件就是在存储设备中记录下A的ASCII码，另一件就是查找字库把A这个字符在显示设备中显示出来。下一次人们再编辑这个文档时，计算机就自动去存储设备把所有的文字的ASII码取出来，再一一转换成显示设备显示哪些字符需要的数据（也就是字库里面的数据），最后在显示设备中显示出来。

3、后来计算机普及了，不同的国家都有自己的文字，ASCII这种编码方式显然不够用了（但不影响它的存在），出现了新的编码方式ANSI。这种编码方式用2个字节表示一个文字，并向下兼容ASCII码（最高位是0的就是ASCII码，是1的就是其它文字的码）。显然2个字节并不能表示所有国家的所有文字，所以它在不同国家的具体的编码方式又不一样，出现了ANSI内部不同的标准，比如在我们国家使用GB2312。所以在中国用GB2312这种方式写的一篇文章用其它编码标准去打开，就全是乱码，像一坨屎一样，比如这篇文章。

4、那怎么办呢，继续搞啊！出现了新的编码方式Unicode，它使用3个字节表示一个文字，把地球上所有文字都编码成唯一的一个值，这样就舒服了。但是又蛋疼了，三个字节，如果是老外用简直炸开，我一个字节可以表示完的东西你要用三个字节，咋的了，水(ying)费(pan)不用钱吗？聪明的人类又开始发功了，第一，虽然实际上所有语言的文字很多，但是常用的没有那么多，可以用2个字节先把常用的文字编码了；第二，你尽管使用三个字节编码，但是我存储可以通过特殊的方式节省空间。基于以上两点思想Unicode延伸出两种基本模型UTF16和UTF8。UTF16就是基于第一点思想，够用就行，实际就存储两个字节，把世界常用的文字表示出来。UTF8针对编码后实际使用的字节数的不同采用不同存储方式，比如用一个字节表示的ASCII码，实际就存储一个字节；对于使用两个字节表示的字符，比如说中国的 ‘国’ 字，Unicode编码值为0x56fd，实际存储值为0xe59bbd，实际存储时每个字节的高位表示长度信息，如图1说明。此外，UTF16又区分两种类型，UTF16-LE和UTF16-BE，只是存储两个字节的顺序不一样。UTF8也还有一种带BOM的，只是在文档头部多了几个字节表示该文档是UTF8编码。

                   我是图1
  至此，基本讲完了所有编码方式。联系下我们实际应用场景，我们经常用各种文档编辑工具去编写处理一些资料，有时会遇到打开一个文档看到里面有乱码的情况，这种就要考虑下是不是用错了编码方式。