文章翻译自-Ned Batchelder的pragmatic Unicode（https://nedbatchelder.com/text/unipain.html）
补充：字节和字符的关系。（译者）
字节：计算机的物理存储单元。
字符：人类社会自然语言（与机器语言相区分）中最小单元。英文中就是一个字母，中文就是一个汉字。至于一些错误的概念说一个字符是两个字节。主要是受到早期的编码格式的影响（早期的中文编码使用了两个字节表示一个汉字。而ascii表和Unicode码都是使用一个字节代表一个英文字母）
The first Fact of Life: everything in a computer is bytes. Files on disk are a series of bytes, and network connections only transmit bytes. Almost without exception, all the data going into or out of any program you write, is bytes.
常识1：计算机中的一切都是字节。文件和磁盘中存储的是一连串的字节，网络传输的东西也是字节。几乎可以这样说，如果没有什么意外，你写的任何程序中的所有输入输出数据都是字节。（之前一直以为都是按照位数传递和存储的）
Fact of Life #2 is that there are way more than 256 symbols in the world's text.
常识2：这个世界超过了256个字符。
补充：刚一开始asiic码只有94个（33到126），iso 8859-1添加了95个（161-256）
windows 又添加了27个，
Unicode assigns integers, known as code points, to characters.The higher the code point value, the more bytes it needs in UTF-8.
Unicode分配整数（就是我们通常熟知的码位）来表示字符。所以码位越大，utf-8编码的字符需要的字节数就越多。所以utf-8编码的码表中，一个字符使用几个字节完全不确定，有可能是1,2,3,4。
ASCII characters are one byte each, using the same values as ASCII, so ASCII is a subset of UTF-8.(这句话的含义及其不清楚)
以utf-8编码的ascii码中的字符的码数需要一个字节表示，与ascii码表的值相同，所以ascii码表是以utf-8编码的码表的子集。（这句话翻译费了很多时间，之前看其他资料，总给人理解好像utf-8也是一个码表，其实utf-8只是一个编码方式。Unicode是一个码表。）在ascii中是0x48(72)，在Unicode中完全一样。
网友评论