從入行的第一天起就看到編輯器右下角的“UTF-8”监徘，今天我們一起來學習學習，UTF-8到底是啥玩意吧碾。
很久很久以前凰盔，有一群人，他們決定用8個可以開合的晶體管來組合成不同的狀態(tài)倦春，以表示世界上的萬物户敬。他們看到8個開關狀態(tài)是好的，于是他們把這稱為”字節(jié)“睁本。再后來尿庐，他們又做了一些可以處理這些字節(jié)的機器，機器開動了呢堰，可以用字節(jié)來組合出很多狀態(tài)抄瑟，狀態(tài)開始變來變去。他們看到這樣是好的枉疼，于是它們就這機器稱為”計算機“锐借。
開始計算機只在美國用。八位的字節(jié)一共可以組合出256(2的8次方)種不同的狀態(tài)往衷。 他們把其中的編號從0開始的32種狀態(tài)分別規(guī)定了特殊的用途，一但終端严卖、打印機遇上約定好的這些字節(jié)被傳過來時席舍，就要做一些約定的動作：
遇上0×10, 終端就換行；
遇上0×07, 終端就向人們嘟嘟叫哮笆；
遇上0x1b, 打印機就打印反白的字来颤，或者終端就用彩色顯示字母。
他們看到這樣很好稠肘，于是就把這些0×20以下的字節(jié)狀態(tài)稱為”控制碼”福铅。他們又把所有的空 格、標點符號项阴、數字滑黔、大小寫字母分別用連續(xù)的字節(jié)狀態(tài)表示，一直編到了第127號环揽，這樣計算機就可以用不同字節(jié)來存儲英語的文字了略荡。大家看到這樣，都感覺 很好歉胶，于是大家都把這個方案叫做 ANSI 的”Ascii”編碼（American Standard Code for Information Interchange汛兜，美國信息互換標準代碼）。當時世界上所有的計算機都用同樣的ASCII方案來保存英文文字通今。
后來粥谬，就像建造巴比倫塔一樣肛根，世界各地都開始使用計算機，但是很多國家用的不是英文漏策，他們的字母里有許多是ASCII里沒有的派哲，為了可以在計算機保存他們的文字，他們決定采用 127號之后的空位來表示這些新的字母哟玷、符號狮辽，還加入了很多畫表格時需要用下到的橫線、豎線巢寡、交叉等形狀喉脖，一直把序號編到了最后一個狀態(tài)255。從128 到255這一頁的字符集被稱”擴展字符集“抑月。從此之后树叽，貪婪的人類再沒有新的狀態(tài)可以用了，美帝國主義可能沒有想到還有第三世界國家的人們也希望可以用到計算機吧谦絮！
等中國人們得到計算機時题诵，已經沒有可以利用的字節(jié)狀態(tài)來表示漢字，況且有6000多個常用漢字需要保存呢层皱。但是這難不倒智慧的中國人民性锭，我們不客氣地把那些127號之后的奇異符號們直接取消掉, 規(guī)定：一個小于127的字符的意義與原來相同，但兩個大于127的字符連在一起時叫胖，就表示一個漢字草冈，前面的一個字節(jié)（他稱之為高字節(jié)）從0xA1用到0xF7，后面一個字節(jié)（低字節(jié)）從0xA1到0xFE瓮增，這樣我們就可以組合出大約7000多個簡體漢字了怎棱。在這些編碼里，我們還把數學符號绷跑、羅馬希臘的字母拳恋、日文的假名們都編進去了，連在 ASCII 里本來就有的數字砸捏、標點谬运、字母都統(tǒng)統(tǒng)重新編了兩個字節(jié)長的編碼，這就是常說的”全角”字符带膜，而原來在127號以下的那些就叫”半角”字符了吩谦。中國人民看到這樣很不錯，于是就把這種漢字方案叫做 “GB2312“膝藕。GB2312 是對 ASCII 的中文擴展式廷。
但是中國的漢字太多了，我們很快就就發(fā)現有許多人的人名沒有辦法在這里打出來芭挽，特別是某些很會麻煩別人的國家領導人滑废。于是我們不得不繼續(xù)把GB2312 沒有用到的碼位找出來老實不客氣地用上蝗肪。后來還是不夠用，于是干脆不再要求低字節(jié)一定是127號之后的內碼蠕趁，只要第一個字節(jié)是大于127就固定表示這是一個漢字的開始薛闪，不管后面跟的是不是擴展字符集里的內容。結果擴展之后的編碼方案被稱為 GBK 標準俺陋，GBK包括了GB2312 的所有內容豁延，同時又增加了近20000個新的漢字（包括繁體字）和符號。 后來少數民族也要用電腦了腊状，于是我們再擴展诱咏，又加了幾千個新的少數民族的字，GBK擴成了 GB18030缴挖。從此之后袋狞，中華民族的文化就可以在計算機時代中傳承了。 中國的程序員們看到這一系列漢字編碼的標準是好的映屋，于是通稱他們叫做 “DBCS“（Double Byte Charecter Set 雙字節(jié)字符集）苟鸯。在DBCS系列標準里，最大的特點是兩字節(jié)長的漢字字符和一字節(jié)長的英文字符并存于同一套編碼方案里棚点，因此他們寫的程序為了支持中文處理早处，必須要注意字串里的每一個字節(jié)的值，如果這個值是大于127的瘫析，那么就認為一個雙字節(jié)字符集里的字符出現了陕赃。那時候凡是受過加持，會編程的計算機僧侶們都要每天念下面這個咒語數百遍： “一個漢字算兩個英文字符颁股！一個漢字算兩個英文字符……”
因為當時各個國家都像中國這樣搞出一套自己的編碼標準，結果互相之間誰也不懂誰的編碼傻丝，誰也不支持別人的編碼甘有，連大陸和臺灣這樣只相隔了150海里，使用著同一種語言的兄弟地區(qū)葡缰，也分別采用了不同的 DBCS 編碼方案——當時的中國人想讓電腦顯示漢字亏掀，就必須裝上一個”漢字系統(tǒng)”，專門用來處理漢字的顯示泛释、輸入的問題滤愕，像是那個臺灣的愚昧封建人士寫的算命程序就必須加裝另一套支持 BIG5 編碼的什么”倚天漢字系統(tǒng)”才可以用，裝錯了字符系統(tǒng)怜校，顯示就會亂了套间影！這怎么辦？而且世界民族之林中還有那些一時用不上電腦的窮苦人民茄茁，他們的文字又怎么辦魂贬？ 真是計算機的巴比倫塔命題肮睢！
正在這時付燥，大天使加百列及時出現了——一個叫 ISO（國際標誰化組織）的國際組織決定著手解決這個問題宣谈。他們采用的方法很簡單：廢了所有的地區(qū)性編碼方案，重新搞一個包括了地球上所有文化键科、所有字母和符號 的編碼闻丑！他們打算叫它”Universal Multiple-Octet Coded Character Set”，簡稱 UCS, 俗稱 “unicode“勋颖。
unicode開始制訂時嗦嗡，計算機的存儲器容量極大地發(fā)展了，空間再也不成為問題了牙言。于是 ISO 就直接規(guī)定必須用兩個字節(jié)酸钦，也就是16位來統(tǒng)一表示所有的字符，對于ASCII里的那些“半角”字符咱枉，unicode包持其原編碼不變卑硫，只是將其長度由原來的8位擴展為16位，而其他文化和語言的字符則全部重新統(tǒng)一編碼蚕断。由于”半角”英文符號只需要用到低8位欢伏，所以其高8位永遠是0，因此這種大氣的方案在保存英文文本時會多浪費一倍的空間亿乳。
這時候硝拧，從舊社會里走過來的程序員開始發(fā)現一個奇怪的現象：他們的 strlen 函數靠不住了，一個漢字不再是相當于兩個字符了葛假，而是一個障陶！是的，從unicode開始聊训，無論是半角的英文字母抱究，還是全角的漢字，它們都是統(tǒng)一的”一個字符“带斑！同時鼓寺，也都是統(tǒng)一的”兩個字節(jié)“，請注意”字符”和”字節(jié)”兩個術語的不同勋磕，“字節(jié)”是一個8位的物理存貯單元妈候，而“字符”則是一個文化相關的符號。在unicode中挂滓，一個字符就是兩個字節(jié)苦银。一個漢字算兩個英文字符的時代已經快過去了。
unicode同樣也不完美，這里就有兩個的問題墓毒，一個是吓揪，如何才能區(qū)別unicode和ascii？計算機怎么知道三個字節(jié)表示一個符號所计，而不是分別表示三個符號呢柠辞？第二個問題是，我們已經知道主胧，英文字母只用一個字節(jié)表示就夠了叭首，如果unicode統(tǒng)一規(guī)定，每個符號用三個或四個字節(jié)表示踪栋，那么每個英文字母前都必然有二到三個字節(jié)是0焙格，這對于存儲空間來說是極大的浪費，文本文件的大小會因此大出二三倍夷都，這是難以接受的眷唉。
unicode在很長一段時間內無法推廣，直到互聯(lián)網的出現囤官，為解決unicode如何在網絡上傳輸的問題冬阳，于是面向傳輸的眾多 UTF（UCS Transfer Format）標準出現了，顧名思義党饮，UTF-8就是每次8個位傳輸數據肝陪，而UTF-16就是每次16個位。UTF-8就是在互聯(lián)網上使用最廣的一種unicode的實現方式刑顺，這是為傳輸而設計的編碼氯窍，并使編碼無國界，這樣就可以顯示全世界上所有文化的字符了蹲堂。UTF-8最大的一個特點狼讨，就是它是一種變長的編碼方式。它可以使用1~4個字節(jié)表示一個符號柒竞，根據不同的符號而變化字節(jié)長度熊楼，當字符在ASCII碼的范圍時，就用一個字節(jié)表示能犯，保留了ASCII字符一個字節(jié)的編碼做為它的一部分，注意的是unicode一個中文字符占2個字節(jié)犬耻，而UTF-8一個中文字符占3個字節(jié)）踩晶。從unicode到uft-8并不是直接的對應，而是要過一些算法和規(guī)則來轉換枕磁。
Unicode符號范圍 | UTF-8編碼方式
(十六進制) | （二進制）
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx
10xxxxxx0000 0800-0000 FFFF | 1110xxxx 10xxxxxx
10xxxxxx0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
最后簡單總結一下：
中國人民通過對 ASCII 編碼的中文擴充改造渡蜻，產生了 GB2312 編碼，可以表示6000多個常用漢字。漢字實在是太多了茸苇，包括繁體和各種字符排苍，于是產生了 GBK 編碼，它包括了 GB2312 中的編碼学密，同時擴充了很多淘衙。
中國是個多民族國家，各個民族幾乎都有自己獨立的語言系統(tǒng)腻暮，為了表示那些字符彤守，繼續(xù)把 GBK 編碼擴充為 GB18030 編碼。每個國家都像中國一樣哭靖，把自己的語言編碼具垫，于是出現了各種各樣的編碼，如果你不安裝相應的編碼试幽，就無法解釋相應編碼想表達的內容筝蚕。
終于，有個叫 ISO 的組織看不下去了铺坞。他們一起創(chuàng)造了一種編碼 UNICODE 僚碎，這種編碼非常大，大到可以容納世界上任何一個文字和標志脯丝。
所以只要電腦上有 UNICODE 這種編碼系統(tǒng)提鸟，無論是全球哪種文字，只需要保存文件的時候腿短，保存成 UNICODE 編碼就可以被其他電腦正常解釋屏箍。UNICODE 在網絡傳輸中，出現了兩個標準 UTF-8 和 UTF-16橘忱，分別每次傳輸 8個位和 16個位赴魁。
于是就會有人產生疑問，UTF-8 既然能保存那么多文字钝诚、符號颖御，為什么國內還有這么多使用 GBK 等編碼的人？因為 UTF-8 等編碼體積比較大凝颇，占電腦空間比較多潘拱，如果面向的使用人群絕大部分都是中國人，用 GBK 等編碼也可以拧略。
PS：喜歡的朋友務必點個（喜歡）或者（關注）yo芦岂，當然（打賞）也是更不介意的yo，支持作者寫出更高質量的文章哦~~~
