阿里云面试问题：字符编码

前提：我们在计算机屏幕上看到的是实体化的字符，而计算机存储介质中存放的实际上是二进制的比特流。这两者之间有一个转换规则，类比密码学中的加密解密，从“字符”到“比特流”称之为“编码”，从“比特流”到“字符”则称之为“解码”。

1、ASCII码

由于计算机是美国人发明的，最早只有127个字母被编码到计算机里，也就是大小写英文字母、数字和一些符号，这个编码表被称为ASCII编码

比如大写字母 A的编码是65，小写字母 a的编码是97。

在这里，每一位0或者1所占的空间是1比特bit，也计算机中最小的存储单位。

为了扩充ASCII，以用于显示本国的语言，不同的国家和地区制定了不同的标准

2、GBK 和 GB2312

对于我们来说能在计算机中显示中文字符是至关重要的，然而ASCII里没有。所以我们还需要一张关于中文和数字对应的关系表。一个字节只能最多表示256个字符，要处理中文显然一个字节是不够的，所以我们需要采用两个字节来表示，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。

3、Unicode

但如以来，就会出现一个问题，各个国家都一套自己的编码，就不可避免会有冲突。因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。
Unicode最常用的是用两个字节表示一个字符（非常偏僻的字符就需要4个字节）。

ASCII编码是1个字节，而Unicode编码通常是2个字节。
但如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

4、UTF-8

基于节约的原则，出现了把Unicode编码转化为“可变长编码”的UTF-8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。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间了。

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。
用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。