初识字符编码

先来听个故事

我们都知道，计算机的语言 二进制，在计算机中 使用二进制代表所有数据

一开始 USA人用 1个字节 其中的低七位 也就是 128个数来表示他们的 字母和字符 如 A:65

这就出现最初的编码方式 ASCii码

但是 问题就来了 其他国家也要 使用计算机吧 不能让USA 自己发展吧

那其他国家也有自己的语言吧，所以有的国家使用了整一个字节，但相对于 亚洲国家的语言，显然一个字节是远远不够的。

同时 每个国家都对 0-127 之后的位数有各自的定义。导致自己做的东西不能 出售到别的国家。这肯定就顶不住了呀。

所以，一开始人们就提出了 “内码表” 的概念，利用 “内码表” 程序就可以切换到相应语言。

但涉及到多种语言时，就要频繁的切换，这就导致了程序996，这程序不干呀

最终，USA人提出了一种标准方案，用来表示全部的语言字符-------Unicode字符集就诞生了

Unicode字符集 的想法很简单 就是将每个字符指定一个数字 仅此而已

那么 新的问题又出现了，那么多的字符，定义有的是一个字节，有的则是2.3.4个字节。

那有一个 N 字节的数字，计算机如何知道 你是这 N 个字节是表示一个字符呢，还是表示N个字符呢。一开始想的 简单粗暴的方法是 以最大的字节 去表示所有字符，不够的往前面补0。这样是很简单的解决了编码的问题。但我搬家总共就一条裤衩的行李，你叫一卡车来载。不就造成了极大的空间资源浪费么。

所以为了较好的解决编码问题就诞生了，UTF - 8,16,32 等编码方式。

UTF-8：因其单个字节时，编码方式与ASCII码完全相同，所以其与之前的ASCII码兼容。

单个字节时，与ACSII相同，第一位为0，后面的 7 位对应这个字符的 Unicode 码点

N个字节时，第一个字节最高的N位为1，N+1位为0.其它的N-1个字节高两位为10，其它按这个字符的 Unicode
码点填充，不够前面补0.

UTF-16：unicode字符集是可以无限延伸的，其由 基本平面，辅助平面
两部分组成，基础平面字符长度占两个字节，辅助平面字符长度占四个字节。也就是说UTF-16
编码长度只能为两个或四个字节。关于如何分清是读四个字节还是两个字节这点，在基本平面内，从 U+D800 到 `U+DFFF 是一个空段，即这些码点不对应任何字符。因此，这个空段可以用来映射辅助平面的字符。

注：上面说过 各个国家有使用 ASCII码的最高位 也就是 128-255来表示自己国家的字符。

所以 必然有各自国家的编码方式，如中国的 GB2312，GBK等。若使用需了解。