前言絮絮念

提到字符集，大多数小伙伴可能多会想起自己曾经在学编程的时候，要么要么别人的代码，或者搞网页开发的，浏览器一跑，啊这，怎么全是乱码...

字节和字符的区分

一、字节

在计算机中，字节是用来计量计算机的存储容量的一个单位。英文是Byte。也就是常见的存储单位MB、GB后的这个大写的"B"。计算机汇总存储信息的最小单位是位(bit)，通俗来说了，计算机的一个'0'或者一个'1'就作一位。 它们之间的关系是这种的，

八位 算作 一字节： 1Byte = 8 bit

二、字符

字符是指计算机中使用的文字和符号，比如“1、2、3、A、B、C、~！·#￥%…*（）+”等等都是称为字符。

ASCII码

ASCII码应该是四个编码中最傻白甜的了，也应该是科班的同学接触的最多的了吧，大一的C语言作业应该都有字 符 a 字符a字符a转成字 符 A 字符A字符A的身影吧。

ASCII的全名是American Standard Code for Information Interchange， 中文翻译过来是美国信息交换标准码

ASCII码中，一个英文字母（不分大小写）占一个字节的空间，一个中文汉字占两个字节的空间。

ASCII码可以表示的字符个数是128个字符。

对于ASCII码而言，印象最深的应该是ASCII码表了。

几个比较重要的是记住就好：0的ASCII码是48；A的ASCII码是65；a的ASCII码是97。其

他的1、b、B呀是逐渐加1去递推就好。然后ASCII码就没有其他比较重要的了吧(狗头保命)。

ANSI码

ANSI码是对ASCII码的一种拓展。因为ASCII码表示的128个字符是不能满足咱们的需求的。

ANSI编码用0x00~0x7f （即十进制下的0到127）范围的1 个字节来表示 1 个英文字符，超出一个字节的 0x80~0xFFFF 范围来表示其他语言的其他字符。也就是说，ANSI码仅在前128（0-127）个与ASCII码相同，之后的字符全是某个国家语言的所有字符。

ANSI编码其实包括很多编码：中国制定了GB2312编码，用来把中文编进去另外，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准。受制于当时的条件，不同语言之间的ANSI码之间不能互相转换，这就会导致在多语言混合的文本中会有乱码。

Unicode编码

为了解决不同国家ANSI编码的冲突问题，Unicode编码因此而生——如果全世界每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。

Unicode标准也在不断发展，但最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

但是问题在于，原本只是需要用一个字节存储的英文字母在Unicode里面必须存两个字节（规则就是在原来英文字母对应ASCII码前面补0），这就产生了浪费。那么有没有一种既能消除乱码，又能避免浪费的编码方式，此时，咱们可爱的UTF-8就出来了。

UTF-8编码

UTF-8是一种变长的编码方式，它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度

当字符在ASCII码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，如此一来UTF-8编码也可以是为视为一种对ASCII码的拓展。

比较有趣的是：

unicode编码中一个中文字符占2个字节，而UTF-8一个中文字符占3个字节。从unicode到uft-8并不是直接的对应，而是要过一些算法和规则来转换

小总结

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件