當我上第一節(jié)計算機課的時候，我的電腦老師跟我說芜抒，一個英文字符是1個字節(jié)珍策，一個中文是2個字節(jié)。這么多年來宅倒，我對此一直堅信不移攘宙，相信很多人也是這么覺得的，但是，真實情況下是這么一回事么蹭劈？
要了解這個問題疗绣，我們首先得從字節(jié)說起，什么是字節(jié)呢铺韧？要知道多矮，在計算中，底層都是晶體管的開關(guān)和關(guān)閉狀態(tài)哈打，我們把一個表示開關(guān)狀態(tài)的稱之為位塔逃，把八位稱之為一個字節(jié)，也就是一個字節(jié)可以表示（00000000-11111111）料仗，也就是0到255湾盗。為什么是8位呢？因為字符實際上還不到128個立轧，按道理7位就夠了格粪，一個說法是程序員也比較迷信，認為7是個不吉利的數(shù)字氛改，另一種說法帐萎，8剛好是2^3的方，更容易計算機去理解胜卤。
ASCII（美國信息交換標準代碼）是美國人用來對拉丁字符進行的編碼吓肋。因為計算機是美國人發(fā)明的，所以他們也沒考慮其他國家可能也要用到計算機瑰艘。下面是一個ASCII編碼的對應(yīng)表。
后來隨著計算機的發(fā)展肤舞，一些不是拉丁字母的國家也開始用計算機了紫新，發(fā)現(xiàn)一個字節(jié)只能表示256個字符，這明顯不夠李剖，像我們漢字博大精深芒率，常用的都有幾千個，于是常見的中文的編碼GB2312（國家簡體中文字符集）就出現(xiàn)了篙顺。GB2312用兩個字節(jié)來表示一個漢字偶芍，例如學習的學，對應(yīng)的編碼就是10010010 0000111德玫。這也就是小時候我們的電腦老師跟我們說的匪蟀，在計算機中，英文字母占1個字節(jié)宰僧，漢字占2個字節(jié)材彪。
隨著互聯(lián)網(wǎng)的繼續(xù)發(fā)展，不同的國家，不同的語言都用著不同的編碼段化，每當不同的人進行交流嘁捷，都要先知道對方用的是什么編碼，這往往就造成了溝通的成本显熏，而且經(jīng)常因為編碼錯誤造成各種烏龍雄嚣。于是，國際上就定一了一種全新的編碼方法喘蟆，全世界所有的字符缓升、文字都有對應(yīng)的一個編碼，以后履肃，就不需要轉(zhuǎn)化成不同的編碼了仔沿，這便是Unicode編碼。Unicode編碼使用4個字節(jié)來描述一個字符尺棋，每個字節(jié)8位封锉，理論上就能表示2^32個不同的字符，全世界的字符都沒這么多膘螟。
但隨之又引來一個問題成福，原先一個英文字符需要1個字節(jié)，一個中文需要兩個字節(jié)荆残，現(xiàn)在需要4個字節(jié)奴艾，相當于存儲變大了。這給網(wǎng)絡(luò)傳輸内斯、系統(tǒng)存儲都帶來了一定的成本蕴潦。這個時候，人們覺得壓縮一下俘闯，于是提出了UTF8,UTF16這樣的表示方法潭苞，UTF8我們最經(jīng)常使用，怎么表示呢真朗？對于一個漢字此疹，例如上述學習的學字在Unicode編碼中表示為00000000 00000000 01011011 01100110。很明顯遮婶，前面字節(jié)都是0蝗碎，非常的浪費，最好是能夠把它壓縮起來旗扑，又能讓別人知道它原來對應(yīng)的就是四個字節(jié)蹦骑，怎么辦呢？UTF8就是為了解決這個問題肩豁，對于原來是雙字符的中文脊串，會變成3個字節(jié)辫呻，第一個字節(jié)以1110開頭，后面兩個以10開頭琼锋。剩下的16位分攤到這3個字節(jié)當中放闺。圖中便是這個學字如何從Unicode編碼轉(zhuǎn)成utf8編碼。
好了缕坎，到這里相信你就已經(jīng)明白了怖侦，一個漢字占多少個字節(jié)，是跟漢字的編碼有關(guān)系谜叹，在GB2312或者GBK編碼中匾寝，大部分漢字為2字節(jié)（部分3個），在UTF8編碼中荷腊，大部分漢字為3字節(jié)（部分為4個）艳悔。怎么樣，學到了么女仰？是不是很有意思猜年？
