字符编码

比特、字节、字符
一个二进制位（bit）存在0和1两种状态，一个字节（byte）由8个二进制位组成，存在256种状态，每个状态如0100 0000 可用来对应字符。

ASCII码就规定了128个字符的编码，如SPACE空格是32（为0010 0000）、A是65（01000001）等128个符号

非ASCII码： 英文可用128个符号覆盖，但其他语言是不够的，所以也用一个字节表示自己的文字，这样每个字符代表的字母就不一样了。亚洲国家汉字不同于字母，无法组合完成，数量巨大，可以通过多个字节组合实现扩充，如简体中文常见的编码方式是GB2312，用两个字节表示一个字符。。

ASCII→GB2312（1980年）→GBK→GB18030（PC平台必然支持），这些GB均为双字节字符，从ASCII均为向下兼容，区分中英文的方法为最高位不为0（GB存储方式为big endian）
（内码为计算机自带的编码方式）

如果编码打开方式和写入方式不同，就会出现乱码。

Unicode 将所有的字符纳入其中，并赋予独一无二的编码。

unicode存在的问题： 1）一部分字符需要三个甚至更多的字节组合，对于本来可以一个字节搞定的字符，很浪费。2）计算机是如何分辨是unicode编码还是ASCII码，错误的识别会导致如unicode字符（3个字节组成），被当做3个字符。

UTF-8是在互联网上使用最广的一种unicode的实现方式， 也就是utf-8是unicode的一种
UTF-8为可变字节，可以用1~3个字节表示。
UTF-8的编码规则：1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

Unicode码可以采用UCS-2格式直接存储，但存储存在Little endian和Big endian的区别。little endian为第二个字符在前，文本文件的头两个字节是FE FF，就表示该文件采用大头方式；如果头两个字节是FF FE，就表示该文件采用小头方式。而UTF-8开头为EF BB BF
参考：
基本参考