ASCII码、GBK、unicode、utf-8的关系和区别。

引言，计算机只能识别0和1。那么像让计算机为我们所用，我们就必须发出0和1组成的一系列指令。比如：010010111。但是我们人类的言语并不是这种01000101这种序列。

美国人说英文：hello，morning，$等。美国人的言语组成差不多是abcd......uvwxyz和一些特殊的字符@#$。这样的符号有128个。符号这里我们称作字符。如何将这128个字符转化成与计算机里面一一对应。美国人发明了ASCII码。计算机常识告诉我们一个字节是由八位0和1组成的序列。11111111==256。这意味着八位的0和1可以表示256个美国的字符。0111111==128。这意味着半个字节可以表示128个美国的字符。那么因为美国人的语言只有128个字符。那么我们将这128种0和1组成的序列和128个字符一一对应起来。就形成了一种叫做ASCII码的东西。

 

那么问题来了，中国的汉字可不止128个。我们的汉语字段里面有几万个汉字，也就是我们要表示汉字里面几万个字符。一个字节8位才能表示256个字符。那么两个字节呢？也就是11111111  11111111=2的16次方=65536.可以表示6万多个字符。。。那么我们再制作一个这样的表，使得每个汉字对应着一个2个字节的0和1组成的序列。那么这样的一张大表就被称作GBK码表。

在中国，我在屏幕段可以输入abc，也可以输入“我爱你中国”，那么计算机如何确定是读入一个字节还是两个字节呢？首先看第一位是不是0，要是0的话就当做ASCII码来读，如果不是的话，就读入两个字节。（查GBK表）

那么问题又来了，这个世界不止有说英文和说中文的国家。如果每个国家都自创一个码表，不通语言之间实现转换很困难。我用ASCII编码发邮件，你用GBK解码。这样解码会改变它原来表达的意思。

 

于是国际组织就发明了一套公用的表unicode编码，将所有国家，所有字符都收进去从0到100多万（用三个字节表示2的24次方）

虽然世界通用的表unicode是有了，但是有人发现这有点浪费资源啊。每次让计算机读取三个字节然后参照unicode表解码，那么像a,b，c,0,1这些一个字节就够了，就很浪费空间。

于是utf-8，utf-16，utf-32这些编码方案就出现了。utf-16是用两个字节来编码所有的字符，utf-32是使用4个字节来编码所有的字符。utf-8是为了节约资源，采用变长的编码，编码长度是从1个字节到六个字节不等。

由于互联网大部分是一个字节（代码很多是英文的，主要是代码是说英文国家发明的），所以大家选择用的最多的还是utf-8。