字符编码的问题

1、常见的字符编码格式有几种？

ASCII

GBK

Unicode

UTF-8

2、为什么会有不同的编码格式？

由于计算机只能处理数字，因此，处理文本，就必须先把文本处理为数字之后，计算机才能进行后续处理。

最早的时候，美国人把127个字符编码到计算机里面，也就是大小写英文字母、数字和一些符号，这个编码也就被成为ASCII编码。

一个字节是8位，所能表示的最大整数就是255，两个字节是65535

要处理中文，显然一个字节是不够的，至少需要两个字节，而且不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来编码中文。

但全世界有上百种语言，每种语言都有自己编码的情况下，不可避免会产生冲突，于是，在多语言混合的文本中，显示出来就会有乱码。

Unicode的出现就是为了解决这一问题，他把所有语言都统一到一套编码中，这样就不会有乱码问题。

紧接着，还存在问题：如果都用Unicode编码的话，乱码问题是解决了，但是如果你的文本内容都是英文的话，Unicode编码要比ASCII编码多一倍，那么存储和传输就会存在浪费。

怎么办呢？出现了UTF-8编码，它是可变长的编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。可以认为，UTF-8就是一种视情况而定的编码方式，根据数字、英文、汉字而使用不同的字节数，这样就解决了上述存储和传输的浪费问题。

最后，总结一下整个编码发展过程的逻辑：

最开始是使用ASCII进行编码，但它对中文进行编码字节位不够，于是乎中国使用了GBK，但多种语言，多种编码格式，势必会造成乱码问题，为了解决乱码问题，我们使用了Unicode来进行统一编码。但统一编码存在存储和传输的资源浪费问题，所以我们使用了可变长编码的UTF8编码来进行灵活处理。

3、不同的字符编码有什么区别？

ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。【如果 ASSIC 是计算机字符编码里的最小集，那 Unicode 就是试图编码字符最大集的一套编码标准】

GBK和ASCII编码的区别：GBK 只使用双字节编码中文字符，为了兼容 ASSIC 编码，编码 ASSIC 字符时只使用 1 个字节。【GBK 编码的第一个字节的最高位必为 1，而ASSIC 编码的字节最高位是 0，当计算机先读到最高位是 1 的字节时，就知道这个字节和下一个字节组成一个中文字符，否则是 ASSIC 字符】

Unicode编码和UTF-8编码的区别：Unicode并不规定字符的二进制表示方式，用二进制编码表示Unicode定义的字符，需要由UTF-8去定义实现。
简单来说，UTF-8是为了将字符的 Unicode 编号编码为二进制。

4、计算机系统通用的字符编码工作方式是什么样的？

• 计算机内存中：统一使用Unicode编码
• 传输或保存至硬盘：转换为UTF-8编码

记事本编辑时，从文件读取的UTF-8字符被转换为Unicode编码存储至内存中，编辑完成后，保存时需要把Unicode转换为UTF-8编码保存至文件中。

浏览网页时，服务器会把生成的Unicode内容转换为UTF-8进行传输。

参考文献：
https://www.cnblogs.com/qingkongxing/p/11444208.html
https://www.cnblogs.com/gumuzi/p/6841248.html