了解编码问题 ASCII UNICODE UTF-8...

ASCII GBK UNICODE

对于计算机来说，只会识别机器码0101这样的东西，如何才能让他输出我们需要的字母、数字、汉字等内容呢？这就需要用到编码。

先说说字节，字节是计算机存储的最小单位，1个字节代表计算机的8位0101xxxx这样的空间，因为每一位有0和1两种选择，因此，一个字节最多能表示的8位序号有2的8次方即256种。

对于ASCII编码来讲，它可以把字母、数字、一些符号通过0101的形式编好序号，因为这些字母数字等最多不超过128种，因此一个字节就可以把这些字母数字都编好序号。
比如字母a的编号为0 110 0001，当计算机识别到这串编号，就可以通过显示器把它通过ASCII找到对应的a并输出。

同样的，GBK是在ASCII上增加了汉字的一种编码，因为汉字比较多，1个字节无法满足编号要求，2个字节即2的16次方（65536）种编号才够使用。

UNICODE则是对全世界所有语言进行编号，目前有两种，一种是UCS2即2个字节表示，另一种是UCS4是4个字节表示（比UCS2多了一些特殊的元素如各种表情等），现在unicode一般指的是UCS4。

UTF-8

UTF即Unicode Transform Format 是UNICODE的一种转换形式，-8表示最少为8位进行表示，utf-8是一种可变长度的编码。具体什么含义呢？

比如说，你要表示一个字母，8位就可以表示，如果用没转换过的Unicode进行编码，假如是UCS4就需要4个字节32位表示，那么前面24位就都是0，这样其实浪费了3个字节的空间。所以UTF-8对UCS4压缩后，英文占用1个字节，中文占3个字节。

因此，在网络上传输时，一般都是通过utf-8进行传输，既能保证世界范围内通用，又可以节省空间。当然，如果是中文环境的话，因为中文2个字节就可以表示完，使用utf-16或者GBK一般会更省空间。比如“我爱你！”，3者占用：
使用gbk，占用32+1=7个字节；
使用utf-8，占用33+1=10个字节；
使用utf-16，占用4*2=8个字节。

乱码

了解了上面的编码内容，就很容易可以理解出现乱码的原因，就是编码与解码的方式不一致导致的。