美国：ASCII(American Standard Code for Infomation Interchange,美国信息交换标准代码)，共计可以表示128种字符
法国，德国等，ISO-8859-1：8表示一个字符，即用一个字节（byte）（8bit）来表示一个字符，共计可以表示256个字符。
国标：gb2312就出现了，使所有的汉字进行了编码，生僻字不表示，也不够用了
GBK：解决了生僻字
后来发现还不够用，gb18030来解决
big5台湾繁体字
后来发现这样比较乱，一个组织定义了Unicode，包括了全世界所有字符，采用了两个字节表示一个字符，对于只需要英文字母的国家来说，太占空间了，所以出现了UTF-8
其中UTF为Unicode Translation Format
Unicode是一种编码方式，utf是一种存储格式，不管utf-8还是UTF-16等等，都是Unicode实现方式之一。
UTF-16LE，UTF16-BE，前两个字节来区别大端和小端
utf-8一般通过3个字节来表示一个中文，ASCII码值用一个字节
utf-8实现方式
互联网的普及，强烈要求出现一种统一的编码方式。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示），不过在互联网上基本不用。重复一遍，这里的关系是，UTF-8 是 Unicode 的实现方式之一。
UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8 的编码规则很简单，只有二条：
-
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。
-
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。
下表总结了编码规则，字母x表示可用编码的位。
image.png
跟据上表，解读 UTF-8 编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
下面，还是以汉字严为例，演示如何实现 UTF-8 编码。
严的 Unicode 是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800 - 0000 FFFF），因此严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5
网友评论