ASCII码 和 unicode编码

0和1的故事这里就不赘述了。

ASCII码：简单的说，就美国佬们为了用0/1机器语言来区分英文字母、数字和符号，而设计的编码，用一个字节也就是8位，2的8次方，256个数字就够用了。其实刚开始只用到了7位，即最前面一位是0，就够用了。计算机普及到其他国家的时候，又出现了其他字符，又把第8位用了。

gbk/gb2312：但像中国这样的国家，256个数字远远不够用。中国常用汉字就6K+，于是乎，鸡贼的中国人民有了自己的解决方案，用两个字节来表示。如果一个字节他的值是小于等于127的(7位，8位中的第一位肯定是0)，则和原来的意义一直，即ASCII码值；但如果两个连在一起的字节都是大于127(8位中第一位是1)的，则他就是汉字。然后将我们的汉字进行分区，每个区94个汉字。gb2312就以第一个大于127的字节作为区，后一个大于127的字节作为第几位，通过这种区位码的形式，对6763个常用汉字来制定了新的编码。但中国的汉字远远不止这些，后来就又有了gbk编码，即对gb2312的扩展。中国博大精深的文字，后面又应运而生的出现了gb18030可变字节编码，具体规则是啥就不啰嗦了。

unicode：和中国汉字一样复杂的国家还是有的，于是各国都出现了一套自己的编码。当这样就非常不利于交流了，于是乎，美国佬们又搞了一套世界通用的unicode编码，来包含全世界的文化，即所谓的地球村。刚开始制定unicode编码时，很简单粗暴，用两个字节来表示，这时就可以组合成65535个字符了。但值得注意的是那127个ASCII都由原来的8位改成了16位来存储，存储技术的发展让大家都成了土财主。再后来新的标准又变成由4个字节来表示一个字符了，一下子膨胀到了2亿多个，可以支持银河村的沟通交流了吧。但这里只是一个字符集，因为互联网的强盛，慢慢的存储问题和信息传输又出现了问题。

UTF-8：一种变长的编码方式。使用1~4个字节来表示一个符号，根据不同的符号而变化字节长度。首先，如果是单字节的，第一位是0，后面7位对应不同字符，这样就和ASCII兼容了；然后，如果是多字节的，则第一个字节的前N位表示字节长度，仅接着第N+1位是0，后面的几个字节的前两位是10。