程序中的编码常识

程序中的编码问题

       相信很多小伙伴在开始学编程的时候就很奇怪一个问题，什么时候是ASCII编码，什么时候是Unicode码，什么时候是UTF-8编码…这些问题大多时候很多人可能都囫囵吞枣，不求甚解，不多说了，我也是这样，所以为了方便更多的小伙伴了解这个问题，我整理了一下程序中的编码知识。

参考链接：字符与编码

编码发展史

       在计算机发展之初，美国作为计算机发源地，制定了美国信息交换标准代码，也就是我们日常所说 的ASCII码（American Standard Code for Information Interchange），其中根据拉丁字母（拉丁字母（也称为罗马字母）是多数欧洲语言采用的字母系统，是世界上最通行的字母文字系统。）制定了一套标准，其中包含了有128个字符。
       可是随着计算机的发展，世界上其他很多国家也需要将自己的文字系统加入到计算机系统中，想一想，如果不将汉字加入进去，我们能够传输我们的中文信息吗？于是我们国家也制定了一套自己的编码系统：(来自维基百科GB2312）

GB 2312 或 GB 2312–80 是中华人民共和国国家标准简体中文字符集，全称《信息交换用汉字编码字符集·基本集》，通常简称GB，又称GB0，由中国国家标准总局发布，1981年5月1日实施。GB 2312编码通行于中国大陆；新加坡等地也采用此编码。中国大陆几乎所有的中文系统和国际化的软件都支持GB 2312。

这个和GBK是啥关系啊？

       在我们国家制定了GB 2312编码后，后面有逐渐增加了一些字符，所以有了GBK(汉字内码扩展规范，其中K就是中文意思中的扩展之意），其后又为了扩大，制定了GB18030编码规范。

       同样的道理，其他国家也肯定制定了自己的编码规则，例如日本的Shift_JIS,韩国的Euc-kr等等，所以为了规避在网络世界里大家各自为政，不便交流的问题，所以产生了Unicode编码(百度百科):

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

       但是Unicode编码中规定了通常都是2个字节，生僻字占4个字节。要知道的是ASCII码中每个字符都是只占1个字节啊，这样就导致了一个问题是：我们都是用英文字符（通俗的说法）来写的代码，这样的话Unicode编码可就比ASCII码至少多了一倍的传输量，这样很不利于资源的节约，所以在此基础上UTF-8编码应运而生(维基百科)：

UTF-8（8-bit Unicode Transformation Format）是一种针对Unicode的可变长度字符编码，也是一种前缀码。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的软件无须或只须做少部分修改，即可继续使用。因此，它逐渐成为邮箱、网页及其他存储或发送文字的应用中，优先采用的编码。

       UTF-8采用了1到6个字节来存贮字符，其中字母1个字节，汉字3个字节，生僻字4到6个字节。

总结图：

用处呢？

现在计算机系统通用的字符编码工作方式：

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：

       浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

       所以现在知道为什么我们网页传输的时候通常都会看见utf-8了吧：