编码小结

    在计算机中，信息最终以二进制的字符串表示，编码，即将每个字符表示为一个二进制序列，反正，将每个二进制序列还原为一个字符，称之为解码。

在ASCII编码中，每个符号被编码成8位的二进制序列，比如字母A表示为01000001。但是，各个国家和地区使用的字符也不一样，字符集大小也不一样，比如，汉字多达10万中，一个字节根本不能表示，于是各个国家和地区产生了自己的编码标准，如GBK2312，BIG5等等。但是新的问题来了，不同的编码中，用一个二进制序列可能被解释成不同的字符，比如文件用一种编码所写，却用另一种编码打开，这就造成了乱码，如果有一种编码，把世界上所有的字符都进行了编码，任何一个字符只有一个二进制代码与其一一对应，那么就解决了乱码的问题，UNICODE编码便采用了这种思想。

但是UNICODE只规定了每个符号的二进制代码，没有规定这个二进制代码如何存储。例如，一些字符对应的二进制代码只需1个字节便可表示，比如英文字母，有些更大的字符可能需要2个字节存储，那么当遇到占2个字节的二进制代码时，如何判断它是两个字母还是一个字符呢，另外如果都已所有字符对应的二进制代码都已4个字节来表示，那么太浪费空间了。

于是一些UNICODE编码的实现出现了，比如UTF-8、UTF-16、UTF-32，其中UTF-8采用了变长的编码方式，根据制定的转换规则，将每个字符对应的二进制代码，转换成不同长度的字节序列存储起来。给定一个具体的字节序列，必然能够知道其对应的UNICODE二进制代码，也就知道了其表示哪个字符。（未完）