計(jì)算機(jī)是如何存儲(chǔ)數(shù)據(jù)的
在談什么是字符編碼前，我們首先要知道一個(gè)概念，計(jì)算機(jī)是如何存儲(chǔ)數(shù)據(jù)的：
計(jì)算機(jī)是由邏輯電路組成，僅能識(shí)別二進(jìn)制的電脈沖信號(hào)粱坤，二進(jìn)制位的狀態(tài)用0和1表示。計(jì)算機(jī)中最小的存儲(chǔ)單位為一個(gè)比特瓷产，存放一個(gè)二進(jìn)制數(shù)站玄，八個(gè)比特組成一個(gè)字節(jié)。那么我們?nèi)绾螌⑷粘Ｖ惺褂玫奈淖峙c符號(hào)轉(zhuǎn)換為計(jì)算機(jī)能夠識(shí)別的二進(jìn)制數(shù)呢濒旦，這就用到了字符編碼株旷。
字符編碼的定義
字符編碼，首先看維基百科中的定義：
字符編碼（英語(yǔ)：Character encoding）尔邓、字集碼：是把字符集中的字符編碼為指定集合中某一對(duì)象（例如：比特模式晾剖、自然數(shù)序列、8位組或者電脈沖）梯嗽，以便文本在計(jì)算機(jī)中存儲(chǔ)和通過通信網(wǎng)絡(luò)的傳遞齿尽。
簡(jiǎn)單來說，在計(jì)算機(jī)科學(xué)中灯节，字符編碼就是一種編碼規(guī)則循头，可以將字符集（某種包含了各種字符與文字的集合）中的字符轉(zhuǎn)換為計(jì)算機(jī)能夠識(shí)別的二進(jìn)制代碼。
常見的字符編碼介紹
目前被我們大眾所熟知的字符編碼有以下幾種：
ASCII碼
ASCII炎疆，全稱：American Standard Code for Information Interchange（美國(guó)信息交換標(biāo)準(zhǔn)代碼）卡骂，是基于拉丁字母的一套編碼系統(tǒng)，由電報(bào)代碼發(fā)展而來磷雇，主要用于顯示現(xiàn)代英語(yǔ)。ASCII碼標(biāo)準(zhǔn)由美國(guó)國(guó)家標(biāo)準(zhǔn)學(xué)會(huì)制定躏救，最近一次更新于1986年唯笙。目前，ASCII碼共規(guī)定了128個(gè)字符的編碼盒使，占用了一個(gè)字節(jié)的后七位崩掘，第一位統(tǒng)一規(guī)定為0。其中包含了英文的大小寫字母少办、數(shù)字苞慢、標(biāo)點(diǎn)符號(hào)等常用的字符。
e.g. 大寫字母A在ASCII碼中對(duì)應(yīng)65英妓，二進(jìn)制碼為：01000001挽放。**ISO 8859 **
ASCII碼的誕生绍赛，幫助美國(guó)人解決了字符在計(jì)算機(jī)中的存儲(chǔ)問題，但其他一些不使用英文的國(guó)家辑畦，就無法使用ASCII碼吗蚌。為此，各國(guó)專家紛紛借鑒ASCII的設(shè)計(jì)理念纯出，編制了許多用 8 位二進(jìn)制數(shù)來表示字符的擴(kuò)充字符集蚯妇。為了統(tǒng)一各國(guó)各語(yǔ)言的單獨(dú)編碼的混亂局面，國(guó)際標(biāo)準(zhǔn)化組織（ISO）及國(guó)際電工委員會(huì)（IEC）聯(lián)合制定了一系列8位元字符集的標(biāo)準(zhǔn)暂筝，ISO 8859（全稱ISO/IEC 8859）箩言。ISO 8859的前七位完全兼容 ASCII，編號(hào)128 – 159 共32個(gè)編碼保留給擴(kuò)充定義的 32 個(gè)擴(kuò)充控制碼焕襟，160 為不換行空格陨收，161 - 255的95個(gè)數(shù)字用于新增加的字符代碼。目前胧洒，ISO 8859共定義了15個(gè)字符集畏吓。**GB 2312/GBK/GB 18030 **
ISO8859解決了大多數(shù)的西方國(guó)家的編碼問題，接下來還需要解決中國(guó)的編碼問題卫漫。1980年菲饼，中國(guó)國(guó)家標(biāo)準(zhǔn)總局發(fā)布了GB 2312（或 GB 2312–80，全稱：中華人民共和國(guó)國(guó)家標(biāo)準(zhǔn)簡(jiǎn)體中文字符集）列赎，并于1981年5月1日正式實(shí)施宏悦。GB 2312中，每個(gè)漢字及符號(hào)以兩個(gè)字節(jié)來表示包吝。第一個(gè)字節(jié)稱為“高位字節(jié)”饼煞，第二個(gè)字節(jié)稱為“低位字節(jié)”。GB 2312標(biāo)準(zhǔn)共收錄6763個(gè)漢字诗越，其中一級(jí)漢字3755個(gè)砖瞧，二級(jí)漢字3008個(gè)；同時(shí)收錄了包括拉丁字母嚷狞、希臘字母块促、日文平假名及片假名字母、俄語(yǔ)西里爾字母在內(nèi)的682個(gè)字符床未。
GB 2312的出現(xiàn)基本滿足了漢字的計(jì)算機(jī)處理需求竭翠，但是對(duì)于一些生僻字、在GB 2312標(biāo)準(zhǔn)發(fā)布后才推出的簡(jiǎn)化字薇搁、臺(tái)灣及香港使用的繁體字斋扰，日語(yǔ)及朝鮮語(yǔ)漢字等，GB 2312未收錄其中。于是微軟利用了GB 2312-80未使用的編碼空間传货，收錄了GB 13000.1-93的全部字符屎鳍，制定了GBK編碼，GBK編碼向下兼容GB 2312损离。
2000年3月17日哥艇，中華人民共和國(guó)國(guó)家質(zhì)量技術(shù)監(jiān)督局又推出了GB 18030-2000標(biāo)準(zhǔn)，以取代GBK僻澎，但是將GBK作為子集完全保留∶蔡ぃ現(xiàn)行GB 18030版本由國(guó)家質(zhì)量監(jiān)督檢驗(yàn)總局和中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)于2005年11月8日發(fā)布，2006年5月1日正式實(shí)施窟勃，全稱：國(guó)家標(biāo)準(zhǔn)GB 18030-2005《信息技術(shù) 中文編碼字符集》祖乳，共收錄漢字70,244個(gè)。**Unicode **
上述的各種編碼系統(tǒng)秉氧，在各個(gè)國(guó)家內(nèi)部都得到了廣泛的運(yùn)用眷昆，但是在不同的國(guó)家之間使用時(shí)就容易出現(xiàn)不兼容的情況。這就需要一個(gè)統(tǒng)一的編碼系統(tǒng)來解決這個(gè)兼容問題汁咏，于是就出現(xiàn)了Unicode（統(tǒng)一碼）亚斋。
Unicode編碼系統(tǒng)可分為編碼方式和實(shí)現(xiàn)方式兩個(gè)層次。Unicode碼的編碼方式與ISO制定的ISO 10646標(biāo)準(zhǔn)所定義的通用字符集（UCS）概念相對(duì)應(yīng)攘滩，UCS包含了已知語(yǔ)言的所有字符帅刊。Unicode的實(shí)現(xiàn)方式不同于編碼方式。一個(gè)字符的Unicode編碼是確定的漂问。但出于對(duì)于不同系統(tǒng)平臺(tái)設(shè)計(jì)的適用需求及節(jié)省空間的需求赖瞒，Unicode編碼存在多種實(shí)現(xiàn)方式，這些實(shí)現(xiàn)方式稱為Unicode轉(zhuǎn)換格式（Unicode Transformation Format蚤假，簡(jiǎn)稱為UTF）栏饮。
目前，UTF-8是在互聯(lián)網(wǎng)上使用最為廣泛的一種Unicode實(shí)現(xiàn)方式磷仰，其他還有UTF-16袍嬉、UTF-32。UTF-8最大的特點(diǎn)是灶平，它是一種變長(zhǎng)的編碼方式伺通，可以用1~4個(gè)字節(jié)表示一個(gè)符號(hào)。
UTF的編碼規(guī)則民逼，大致可概括如下：
| Unicode范圍（十六進(jìn)制） | UTF編碼 （二進(jìn)制） |
|---|---|
| 0000 0000 - 0000 007F | 0xxxxxxx |
| 0000 0080 - 0000 07FF | 110xxxxx 10xxxxxx |
| 0000 0800 - 0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 0001 0000 - 0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
- 對(duì)于單字節(jié)的符號(hào)泵殴，UTF編碼的第一位為0涮帘，后七位與Unicode編碼一致拼苍，與ASCII碼兼容。
- 對(duì)于多字節(jié)的符號(hào)，假設(shè)有n個(gè)字節(jié)疮鲫，則第一個(gè)字節(jié)的前n位均為1吆你，第n+1位為0，后n-1個(gè)字節(jié)的前兩位均為10俊犯，其余的xxx均為Unicode碼妇多。
