09_MYBATIS_DAY02

字符编码

计算机能够直接识别并处理的只有二进制数，这是由计算机的电子元器件的特性所导致的！

在二进制数中，每个0或每个1所占据的存储空间是1个二进制位（bit），由于1个二进制能够表达的信息含义只有2种，所以，1个二进制位不足以表达大量有意义的信息，通常使用字节（byte）来表示，每1个字节占8个二进制位，它是计算机中最基础的存储单位。

为了表示人类生活中使用到的字符（字母、数字、标点符号），早期就设计出了ASCII码表，它就记录了字符与二进制数的对应关系，例如110 0001就对应a，110 0010对应b……

由于ASCII码表记录都是1个字节能够表示的字符，除去最高位的符号位，只有7个二进制位，只能表示128种不同的意义，就无法表示中文！所以，就出现了其它的编码，例如GBK、GB2312等，当然，ASCII码表也不适用于其它不使用英语的国家和民族，例如日本、韩国等，也创建了对应的编码。

由于越来越多的国家和民族都普及了计算机，设计出来的编码的种类太多，为了统一支持统一使用，就出现了Unicode编码，这是一种全球化编码，记录了全世界各国家和民族所使用的各种字符！

使用Unicode编码时，大多情况下使用2个字节来描述1个字符，假设可以使用1010 0011 1010 0101可以表示“汉”（只是假设而已），可以使用1011 1111 0000 1010表示“字”，当需要将“汉字”这2个字符在网络传输，可能在网络上出现的二进制数据就是1010 0011 1010 0101 1011 1111 0000 1010 ，但是，当接收方接收到这个二进制的序列时，就无法明确：这到底是2个汉字，还是4个英文，甚至是1汉字2英文，或2英文1汉字，或1英文1汉字1英文……

为了保障传输过程不会出现以上假设的问题，就产生了UTF系列的编码！

UTF = Unicode Transformation Format，Unicode传输编码。

以UTF-8为例，当需要传输2个字节才可以表示的1个字符时，会将二进制序列中的特定位置作为标记，并不用于表示编码的含义，凡是2个字节的数据，其格式都是：

110 xxxxx	10 xxxxxx

以上第1个字节的110中包括了2个1，就表示“从当前字节开始，一共有2个字节来描述同1个字符”！

当需要传输3个字节才可以表示的1个字符时，其格式是：

1110 xxxx	10 xxxxxx	10 xxxxxx

甚至还可以使用4个字节表示1个字符，其格式是：

11110 xxx	10 xxxxxx	10 xxxxxx	10 xxxxxx

在UTF-8编码规则中，如果使用2个字节来表示1个字符，实际可用的编码位只有11个二进制位，只能表示2048种不同的意义，所以，使用UTF-8编码表示中文时，需要使用3个字节（3个字节可用的编码位有16位，可以表示65536种不同的意义）！

由于UTF-8编码使用3个字节就可以表示常规使用的所有字符，一般够用，也有一些罕见的字符并没有收录进来，所以就产生了“使用4个字节表示1个字符”的做法，由于非常罕见，一般并不需要使用，所以，UTF-8编码又被区分为utf8mb3和utf8mb4。