ASCII、Unicode和UTF字符编码区别

计算机的CPU是由晶体二极管组成，只有开关两种状态，因此计算机只能识别0和1。计算机的一个开或关状态称为一个bit，若干个bit可以组成最基本的存储单元byte，因此人类的各种语言就可以用byte存储起来并约定一一对应表示，这种以二进制来表示符号的过程就叫做编码。

1、ASCII(American Standard Code for Information Interchange)编码是用于显示现代英语与部分西欧语言的一套编码，7或8位，只包含英文字符、数字和英文的一些标点符号等。

2、Unicode是能够表示全世界所有符号，被称为万国码。由于英文字符只用一个字节（两个bit以上）就可以表示，对于像汉字这样的东亚文字，常用汉字就有6000多个，用单个字节就无法表示，因此用两个字节来表示，如汉字 '中' 在中文操作系统中，使用 [0xD6,0xD0] 这两个字节存储。Unicode是用多个字节来表示一个字符，而英文字符只有一个字节就可以表示，所以必有字节为0，造成了空间的浪费。

3、UTF，是一种针对Unicode的可变长度字符编码，是Unicode的升级版。互联网出现后，为解决unicode如何在网络上传输的问题，于是面向传输的众多 UTF（UCS Transfer Format）标准出现了，顾名思义，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位。UTF-8就是在互联网上使用最广的一种unicode的实现方式，这是为传输而设计的编码，并使编码无国界，这样就可以显示全世界上所有文化的字符了。

有时候用matlab读取txt文件时，会出现“锘”的错误提示，这是因为文件的编码方式为UTF-8 with BOM，不同于UTF-8编码的是，它会在文件头行添加“EF BB BF”这三个字节，而EF BB恰好表示锘字，因此在保存文件时要选择UTF-8编码方式。可以选择用Ultraedit或者notepad更改编码方式。

有时候用GMT的psxy等读取文件的命令画线段时，会出现下面的错误提醒，这表示此时读取的文件编码方式很可能是UTF-8 with BOM，这时候读取文件也会极慢。

psxy (GMT_prep_tmp_arrays): Error: Could not reallocate memory [256.00 Gb, 34359738368 items of 8 bytes]

psxy: Processing input table data
ERROR: Caught signal number 11 (Segmentation fault) at
/usr/lib/x86_64-linux-gnu/libgmt.so.5(GMT_fix_up_path+0xb1)[0x7f0558d05ce1]
[0x0]
Stack backtrace:
/usr/lib/x86_64-linux-gnu/libgmt.so.5(sig_handler+0x169)[0x7f0558c50739]
/lib/x86_64-linux-gnu/libpthread.so.0(+0x11390)[0x7f0558a0e390]
/usr/lib/x86_64-linux-gnu/libgmt.so.5(GMT_fix_up_path+0xb1)[0x7f0558d05ce1]
/usr/lib/x86_64-linux-gnu/libgmt.so.5(GMT_psxy+0x4b62)[0x7f0558e7ea52]
/usr/lib/x86_64-linux-gnu/libgmt.so.5(GMT_Call_Module+0xc0)[0x7f0558c5dbe0]