看了阮一峰的Blog（很久之前的），突然就發(fā)現(xiàn)這么一個(gè)非常常見(jiàn)的問(wèn)題捣鲸，常常被我視而不見(jiàn)瑟匆。而且我相信，有很大一部分同學(xué)應(yīng)該和我一樣栽惶，對(duì)此模棱兩可愁溜〖残幔或許在很久之前在某次面試或考試之前準(zhǔn)備過(guò)如此“冷門(mén)”的知識(shí)，現(xiàn)在早已拋之腦后冕象。其實(shí)我們經(jīng)常會(huì)遇到“?????????”和類似“燙燙燙燙”的玩意代承，對(duì)于這樣經(jīng)常造訪的老朋友背后的技術(shù)細(xì)節(jié)我們有必要了解。
這里我偷懶引用兩篇寫(xiě)的非常好的Blog作為內(nèi)容渐扮，因?yàn)閷?xiě)的太清楚论悴，太易懂。本著不重復(fù)發(fā)明輪子的原則墓律，我就借花獻(xiàn)佛膀估。
阮一峰 和 字符編碼常識(shí)及問(wèn)題解析 閱讀完后一定會(huì)對(duì)編碼有了基本的了解，同時(shí)對(duì)目前最為主流的utf-8耻讽，有清晰的認(rèn)識(shí)察纯。這樣以后再處理亂碼問(wèn)題，就比起之前更游刃有余针肥。
其中對(duì)于utf-8 部分捐寥，兩篇描述各有側(cè)重，我做個(gè)摘要
UTF-8是Unicode的實(shí)現(xiàn)方式之一祖驱。
UTF-8最大的一個(gè)特點(diǎn)，就是它是一種變長(zhǎng)的編碼方式瞒窒。它可以使用1~4個(gè)字節(jié)表示一個(gè)符號(hào)捺僻，根據(jù)不同的符號(hào)而變化字節(jié)長(zhǎng)度。
UTF-8的編碼規(guī)則很簡(jiǎn)單崇裁，只有二條：
1）對(duì)于單字節(jié)的符號(hào)匕坯，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的unicode碼拔稳。因此對(duì)于英語(yǔ)字母葛峻，UTF-8編碼和ASCII碼是相同的。
2）對(duì)于n字節(jié)的符號(hào)（n>1）巴比，第一個(gè)字節(jié)的前n位都設(shè)為1术奖，第n+1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10轻绞。剩下的沒(méi)有提及的二進(jìn)制位采记，全部為這個(gè)符號(hào)的unicode碼。
以漢字"嚴(yán)"為例政勃，演示如何實(shí)現(xiàn)UTF-8編碼唧龄。
已知"嚴(yán)"的unicode是4E25（100111000100101），根據(jù)上表奸远，可以發(fā)現(xiàn)4E25處在第三行的范圍內(nèi)（0000 0800-0000 FFFF）既棺，因此"嚴(yán)"的UTF-8編碼需要三個(gè)字節(jié)讽挟，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后丸冕，從"嚴(yán)"的最后一個(gè)二進(jìn)制位開(kāi)始耽梅，依次從后向前填入格式中的x，多出的位補(bǔ)0晨仑。這樣就得到了褐墅，"嚴(yán)"的UTF-8編碼是"11100100 10111000 10100101"，轉(zhuǎn)換成十六進(jìn)制就是E4B8A5洪己。
摘自阮一峰-字符編碼筆記：ASCII妥凳，Unicode和UTF-8
其中幾個(gè)要點(diǎn)，
- utf-8是可變長(zhǎng)的答捕，目前使用廣泛逝钥，而且兼容ASCII
- 注意填寫(xiě)漢字編碼時(shí)是從低位往高位，保證高位多余位置0
參考blog：
阮一峰-字符編碼筆記：ASCII拱镐，Unicode和UTF-8
字符編碼常識(shí)及問(wèn)題解析
