开始计算机只在美国用。计算机只识别'1'和'0'，八位的字节一共可以组合出256(2的8次方)种不同的状态。最初美国人做计算机编码只针对英文字母和字符，把所有的空格、标点符号、数字、大小写字母分别用连续的字节状态表示，一直编到了第127号，这样计算机就可以用不同字节来存储英语的文字了。这个方案叫做 ANSI 的”Ascii”编码（American Standard Code for Information Interchange，美国信息互换标准代码）。当时世界上所有的计算机都用同样的ASCII方案来保存英文文字。后来世界上各个国家都要使用计算机，128-255被成为“扩展字符集”，显然不够用。
ISO （国际标谁化组织）定制了国际化通用的编码法则”Universal Multiple-Octet Coded Character Set”，简称 UCS, 也就是“unicode“。其规定必须用两个字节，也就是16位来统一表示所有的字符，对于ASCII里的那些“半角”字符，unicode包持其原编码不变，只是将其长度由原来的8位扩展为16位，而其他文化和语言的字符则全部重新统一编码。由于”半角”英文符号只需要用到低8位，所以其高8位永远是0，因此这种方案在保存英文文本时会多浪费一倍的空间。
当时带宽相当昂贵，面对需要传输的众多无用数据，面向传输的众多 UTF（UCS Transfer Format）就应运而生，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位。UTF-8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。
实际应用过程中，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。大概关系如下（廖雪峰的博客）：
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：
unicode_utf-8_text.png
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：
unicode_utf-8_net.png
其他的一些概念：
计算机内只能保存101010等二进制数据，那么页面上显示的字符是如何显示出来的呢？
一：字符集（Charset）charset = char + set，char 是字符，set是集合，charset就是字符的集合。字符集就是是这个编码方式涵盖了哪些字符，每个字符都有一个数字序号。
二：编码方式（Encoding）编码方式就是一个字符要怎样编码成二进制字节序，或者反过来怎么解析。也即给你一个数字序号，要编码成几个字节，字节顺序如何，或者其他特殊规则。
三：字形字体（Font）根据数字序号调用字体存储的字形，就可以在页面上显示出来了。所以一个字符要显示出来，要显示成什么样子要看字体文件。
综上所述，Unicode 只是字符集，而没有编码方式。UTF-8 是一种 Unicode 字符集的编码方式，其他还有 UTF-16，UTF-32 等。而有了字符集以及编码方式，如果系统字体是没有这个字符，也是显示不出来的。
网友评论