关于计算机的编码问题

注：

UTF-8中中文占三个字节，英文字母占一个字节。

GB18030兼容GBK兼容GB2312 不管中文还是英文都是两个字节。

关于GBXXX 详见链接 https://blog.csdn.net/dataastron/article/details/79148574

常见的编码有ASCII Unicode UTF-8

ASCII 占字节大小为一个字节也就是8个Bit为，二进制八位的最大值就是11111111=255（十进制），由于英文字母比较少所以255个数字完全可以区分开所有英文字母，但是汉字就不同的，汉字至少有上万个，255显然不够用，于是中国人就制定了GB2312编码。我们知道全世界有上百种语言，于是日本就把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。

因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

ASCII编码和Unicode编码的区别：

1）ASCII编码是1个字节，而Unicode编码通常是2个字节，举例如下。

字母A 用ASCII编码是十进制的65，二进制的01000001；

字符0 用ASCII编码是十进制的48，二进制的00110000，注意字符'0' 和整数0 是不同的；

汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

如果把ASCII编码的A 用Unicode编码，只需要在前面补0就可以，因此，A 的Unicode编码是00000000 01000001。

UTF-8编码：

　　新问题的出现：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。

　　因此，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间：

字符ASCIIUnicodeUTF-8

A0100000100000000 0100000101000001

中 -01001110 0010110111100100 10111000 10101101

　　从上面的表格可以发现UTF-8编码一个额外的好处，就是ASCII编码实际上可以被看成是UTF-8编码的一部分，所以，大量只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

　　强调一下，unicode是一种编码方式，和ascii是同一个概念，而UTF-8，UTF-16等是一种存储方式，在存储和传输上节约空间、提高性能的一种编码形式。

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：