字符编码(一)Unicode和UTF-8的认识

  这都快毕业了，开始找工作了，才开始尝试写博客.想来在学习软件工程专业课程的过程中也曾做过一些笔记，遇到过一些难以费解的问题，试图百度去搞清楚它。电脑里存了一些，现在快毕业了，打算从事此专业工作，之前学的有的也忘了。所以今天开始打算把我的笔记整理下，在整理过程中尽量回忆起来同时也分享给需要他们的人，毕竟软件工程这专业自学的人多，本身的知识点也碎，所以希望给那些正在学习软件工程专业的人一些帮助，避免他们少走弯路，也算我做的小小贡献吧！在下只是个即将毕业的大学生，如有什么错误请各位朋友大胆指出来，我们一起探讨交流。下面开始我的第一篇博客。

一、 ASCII码的起源

  我们知道，在计算机内部，所有的信息最终都表示为一个二进制的字符串。每一个二进制位（bit）有0和1两种状 态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从0000000到11111111。
  上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码，一直沿用至今。
  ASCII码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

二、百花齐放的编码规则

  英语用128个符号编码就够了，但是用来表示其他语言，128个符号是不够的。比如，在法语中，字母上方有注音符号，它就无法用ASCII码表示。于是，一些欧洲国家就决定，利用字节中闲置的最高位编入新的符号。比如，法语中的é的编码为130（二进制10000010）。这样一来，这些欧洲国家使用的编码体系，可以表示最多256个符号。
  但是，这里又出现了新的问题。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。比如，130在法语编码中代表了é，在希伯来语编码中却代表了字母Gimel (ג)，在俄语编码中又会代表另一个符号。但是不管怎样，所有这些编码方式中，0–127表示的符号是一样的，不一样的只是128–255的这一段