字符串编码encoding

字符串编码：

ASCII：占用一个字节，8个比特，规定最高位0，所以最多支持127个字符（字母、数字、一些符号）；

GB2312：中国制定，为了汉字的表示；

为了多个国家的语言表示进化出Unicode编码：

Unicode：定义了世界上几乎所有字符，两个字节，16bit，为了支持更多语言，但是很多字符用不到两个字节，存储到硬盘或网站上时比ASCII码多占用一倍空间;

UTF（Unicode的转换格式，Unicode Translation Formats）：通常所说的编码方式，UTF-32、UTF-16、UTF-8

码点：Unicode给字符串的编码，为一串二进制数；

码元：切分这个二进制数的方法（一个码元通常为8bit、16bit、32bit）

Unicode 编码发展到今天扩展到了 21 位，为啥扩展到 21 位了呢？因为一开始老美只考虑自己那 26 个英文字母和数字，随着越来越多的国家的语言语言编码，Unicode 不得继续扩展，目前 21 位已经足够使用。

UTF-32：码元32bit，每32位去读一下码点，而码点是 Unicode 给字符的编码，前面也说了，最长才 21 位，因此每一个 UTF-32 值都可以直接表示对应的码点。（缺点：每个字符占用4个字节太浪费空间）

编码空间：前面说了 Unicode ,它是 21 位的。这 21 位提供了 1,114,112 个码点，编码空间就是对应这 1,114,112 个码点。这么多码点并不代表有这么多字符，目前大概只有 10% 的空间被使用了，人类社会还没创造出 1,114,112 这么多的字符。

编码空间被分成 17 个平面（plane），每个平面有 65,536 个字符（正好填充 2 个字节，16 位）。
0 号平面叫做“基本多文种平面”（BMP, Basic Multilingual Plane），涵盖了几乎所有你能遇到的字符，除了 emoji（emoji 位于 1 号平面 - -）。
其它平面叫做补充平面，大多是空的。

UTF-16：最常见，码元16bit，每16bit去读一下码点，直到读取完成，BMP 平面（也就是前面说的基本多文种平面）中的每一个码点都直接与一个 UTF-16 的码元一一映射。由于 BMP 几乎包括了所有常见字符，UTF-16 一般需要 UTF-32 大约一半的空间。至于其它平面里很少使用的码点都是用两个 16 位的码元来编码的。

UTF-8：可变长变短的编码。码元8~32bit，
从 0 到 127 的这些码点直接映射成 1 个字节（对于只包含这个范围字符的文本来说，这一点使得 UTF-8 和 ASCII 完全相同）。接下来的 1,920 个码点映射成 2 个字节，在 BMP 里所有剩下的码点需要 3 个字节。
Unicode 的其他平面里的码点则需要 4 个字节。
UTF-8 是基于 8 位的码元的，因此它并不需要关心字节顺序（因为字节就是 8 位的呀，其它 UTF-16 和 UTF-32 在不同的机器编译环境下需要考虑字节的顺序问题）。                        

UTF-8是存储和交流Unicode文本方面的最佳编码。