字符编码浅谈

　　计算机的一切都是二进制，而为了助记为了使人能直观清楚的与计算机交互，就有了ASCII码，使用一个字节表示英文以及一些控制符。当其他国家也开始使用计算机时，需要计算机显示其他的字符文字，此时一个字节已不够使用，解决的办法是增加字节数，使用两个字节来表示字符，即unicode。unicode兼容ASCII码，两者可以同时使用，此时出现一个问题，当编译器读取一个字节时，怎么能判断它是一个单独的字节，还是两个字节中的前一个？
　　举个例子，现在想用0-9这十个数表示3种水果：苹果、香蕉、橘子，我们可以按自己喜好（注意这点）给它们编上号，放在一张表中，比如

编号	水果种类
0	香蕉
1	苹果
2	橘子

　　
　　当后来想表示的水果种类增加时，我们就得考虑10个数可能不够用，想增加位数来表示。比如，0-6仍表示之前定义好的水果，现在约定7-8为标志位，不表示任何水果，只是表明后面的数需要和标志位一起计算，9保留以备其他用途（比如哪天我脑抽，想用它表示蔬菜了）。当读到7或8时，暂时存起来，等读到一个0-6的数后再组合起来计算值，查我们定义的表
此时71-76,81-86可以12种水果，

编号	水果种类
0	香蕉
1	苹果
2	橘子
…
71	菠萝
72	芒果
…
9	保留位

　　当后来表示的规模再大些时，可以用三位数表示，此时771-886都可以用来表示水果种类。规模再大，使用位数再增加，只需遵循之前的定义遇到7和8就缓存下来，待遇到0-6的数再一起结算。
　　编码和上述过程类似，一个字节对应0-9的数，世界上包括字母方块字等所有的需展示的字符，对应水果种类。一个字节不够就来俩，俩不够就来三，这就是可变长度的编码，每个国家或组织按自己喜好做个表，就是不同的编码集。
　　由上述操作也可以很自然的联想到操作系统中分页分段的策略。将常用的数据直接存在0-6，这样访问时的速度快，将不常用且占用内存大的数据放在多段的7-8区间，保证其数据连续完整。这也就是这种方式的实践，根据不同数据的特点区分处理。在可变字节的编码集中，使用频率高的字符，在编码时尽量使用较少的字节，不常使用的字符，可以使用字节数多的，这样尽量减少最终生成的文本的大小。
　　当然编码工作也还有其他工作要做，比如分配标志位、保留位的区段大小，需要权衡、向前向后兼容等等。