ASCII,Unicode,UTF-8 和 UTF-16
ASCII是一种我们最为熟悉的编码方式,从大一入学学C语言的时候就学过。那么到底什么是编码呢?我们知道数据实际上是以二进制的形式存储的,而我们人类可读的却是特定形式的字符(如’a’,’b’,’c’),而编码就是这样一种映射关系,它把每一个字符映射为一个二进制数,使得我们可以将数据存到内存或磁盘里。而 ASCII 码将英文字符映射为 8 比特二进制数,最多可以编码2**8-1=255
种不同字符。(ASCII 码)
但是世界上有很多种语言,比如汉语这种拥有上万字符的语言,用 ASCII 来编码显然是不够的,所以许多国家就出台了自己的编码规约,我国的简体中文的编码方式是 GBK。但是每个国家所出台的字符的编码方式,并不能兼容,带来了不小的麻烦。
那么 Unicode 又是什么呢?实际上 Unicode 是一种编码方式,只是它将字符映射为 16 比特长的二进制码,希望借此将所有语言的编码统一起来。所以 Unicode 是一种将一个字符转换为 16 个比特的编码方式,最多可以表示 65535 个不同字符(实际上现在 Unicode 可以表示超过百万个字符,但这不是今天的重点)。
那么 UTF-8,UTF-16 和 Unicode 又是什么关系?