可爱的编码——ASC、Unicode、UTF-8、GBK

字符集

ASCII

ASC编码是现今最通用的 单字节 编码系统，包含英文字母、数字、特殊字符等。

它的最高位称作奇偶校验位，用来校验传输过程中编码是否出现错误。

• 奇校验 字节中1的个数为奇数，如果不是则最高位置1
• 偶校验 字节中1的个数为偶数，如果不是则最高位置1

每个地区都可能有不同的字符需要编码成二进制串，所以为了提供一个统一的字符集，让全世界都无障碍使用，unicode诞生了，它为每一个字符都提供一个独一无二的二进制串。

Unicode

Unicode为 每种语言 中的 每个字符 设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

Unicode仅仅规定了每个字符码位，并没有规定如何存储、传输它们。因此出现了许多编码规则，用于unicode编码的传输、存储，最常见的就是UTF-8与GBK。

编码

UTF-8

UTF-8是基于Unicode最通用的国际编码。每个字符长度为 一个字节 – 四个字节。英文字母为1个字节，汉字为3个字节。支持大小端。

编码格式为：

0xxxxxxx    # 0000-007F 
110xxxxx 10xxxxxx   # 0080-07FF 
1110xxxx 10xxxxxx 10xxxxxx  # 0800-FFFF  
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx  # 10000-1FFFF 

GBK

GBK也是基于Unicode的编码，是中国编码，固定每个字符长度为 两个字节，英文字母与汉字以最高位区分。

1xxxxxxx xxxxxxxx  # 汉字
0xxxxxxx xxxxxxxx  # 字符

显然，GBK与UTF8之间需要通过Unicode来进行转换。