本文不涉及具體細(xì)節(jié)埃篓，只泛泛而談处坪。
本文全是大白話，也就是說(shuō)，可能很多用詞不那么專業(yè)稻薇。但是嫂冻，懂了就達(dá)到目的了。以后再去看專業(yè)的文章塞椎，就會(huì)覺得容易多了桨仿。
本文是在研讀了阮一峰和知乎網(wǎng)友的基礎(chǔ)上寫作的。
相關(guān)鏈接為：
字符編碼筆記：ASCII案狠，Unicode 和 UTF-8
Unicode 編碼及 UTF-32, UTF-16 和 UTF-8
注意：勿要糾結(jié)于我舉的例子服傍，我知道是錯(cuò)的，在本文中僅為闡述思想骂铁。
以下為本人的心得：
為何會(huì)出現(xiàn) unicode吹零？
- 為了讓文字在電腦上顯示，必須給每個(gè)字符編個(gè)號(hào)碼拉庵，比如我給字母
a編號(hào)為1灿椅，字母b編號(hào)為9999。 - 那么問(wèn)題來(lái)了钞支，在中國(guó)可能給漢字
人編號(hào)為1茫蛹，在美國(guó)可能給字母a編號(hào)為1，如果中美兩國(guó)交流烁挟，這個(gè)編號(hào)1到底該解讀成人還是a婴洼？ - 為了解決這個(gè)問(wèn)題，就要在世界范圍內(nèi)統(tǒng)一編號(hào)撼嗓，把世界上所有的字符都包含進(jìn)來(lái)柬采，設(shè)置一個(gè)唯一的編號(hào)。比如編號(hào)
1只能表示a且警，不能有其它的表示粉捻。那么這個(gè)方案就是 unicode，從名字上也能看出來(lái)斑芜，是統(tǒng)一的編號(hào)杀迹。
為何又要出現(xiàn) utf-8等？
- 在 unicode 方案中押搪，最常用也是最基本的树酪，只用兩個(gè)字節(jié)編號(hào)，就包含了世界上主要的文字了大州。如果用三個(gè)字節(jié)編號(hào)续语，那就是 unicode 擴(kuò)展部分的了。（unicode 有 17 個(gè)平面
（Plane 0 - Plane 16）厦画，我們最常用的就是Plane 0疮茄，（Plane 1 - Plane 16）就是擴(kuò)展平面滥朱。說(shuō)白了，擴(kuò)展平面就是要用三個(gè)字節(jié)來(lái)編碼了力试，Plane 1的最高位字節(jié)值是 1徙邻，依次類推，Plane 16的最高位字節(jié)值是 16畸裳，用 16 進(jìn)制就是 10） - 如果直接用 unicode 的編號(hào)來(lái)存儲(chǔ)字符缰犁，最少也要用到兩個(gè)字節(jié)，這會(huì)有什么問(wèn)題呢怖糊？人家西方字符帅容，明明用一個(gè)字節(jié)就已經(jīng)夠夠的了，非要用兩個(gè)字節(jié)存儲(chǔ)太浪費(fèi)資源了伍伤。
- 于是就有了 utf-8 編碼方案并徘。如果是西方字符就用一個(gè)字節(jié)存儲(chǔ)，如果是漢字等就用兩到三個(gè)字節(jié)存儲(chǔ)扰魂。這樣就都兼顧到了麦乞。
utf-8實(shí)現(xiàn)原理通俗講解
- 但是等等，你 utf-8 一會(huì)用一個(gè)字節(jié)劝评，一會(huì)用兩個(gè)三個(gè)字節(jié)路幸，我計(jì)算機(jī)怎么知道你是幾個(gè)字節(jié)表示一個(gè)字符呢？
- 來(lái)看 utf-8 是怎么設(shè)計(jì)的付翁。如果是西方字符，就用一個(gè)字節(jié)表示晃听，字節(jié)的最高位是 0（好像西方字符總共是 128 個(gè)百侧，用不到最高位）。如果是漢字能扒，把它的 unicode 編號(hào)展開為二進(jìn)制（給它起個(gè)代號(hào)佣渴，就叫 2B 吧）。utf-8 生成一個(gè)這樣的玩意兒（給它起個(gè)代號(hào)初斑，就叫 wy 吧）：
1110xxxx 10xxxxxx 10xxxxxx辛润， 你從2B的最低位開始，一個(gè)個(gè)的往 x 里放（也是從最低位開始）见秤，如果x 沒放完砂竖，用 0 補(bǔ)全。 utf-8 在設(shè)計(jì) wy 的時(shí)候鹃答，要讓每個(gè)字節(jié)的 x 用到了（注意這句話乎澄，并不意味著每個(gè)x 都被用到）。然后把這個(gè) utf-8 的編碼就存到文檔里了测摔。 - 用 utf-8 編碼方案用讀這個(gè)文檔的時(shí)候置济，它就開始這樣解析了解恰。如果一個(gè)字節(jié)最高位是 0，說(shuō)明這一個(gè)字節(jié)就表示一個(gè)西方字符浙于。如果一個(gè)字節(jié)最高位是1110這樣的护盈，說(shuō)明連同它自己，接下來(lái)的三個(gè)字節(jié)表示一個(gè)字符羞酗，然后再把這三個(gè)字節(jié) x 位上二進(jìn)制取出來(lái)連在一起腐宋，這不就是一開始的那個(gè)2B嗎。然后用這個(gè) 2B 的值（就是 unicode 的編號(hào)）去電腦系統(tǒng)里的unicode 表里找到對(duì)應(yīng)的字符顯示出來(lái)整慎。
- 通過(guò)以上說(shuō)明脏款，你大概也看出來(lái)了：utf-8 這類編碼方案，存的時(shí)候裤园，是用 utf-8 自己的設(shè)計(jì)撤师，把 unicode 編號(hào)變?yōu)樽约嚎梢越馕龅木幪?hào)。讀的時(shí)候拧揽，再把 utf-8 的編號(hào)還原成 unicode 編號(hào)剃盾，用unicode 編號(hào)去電腦里查字符，然后把字符顯示出來(lái)淤袜。其它編碼方案也是這個(gè)思路痒谴。
