字符编码

链接：https://blog.youkuaiyun.com/feather_wch/article/details/79799718

1、ASCII码的由来和作用

1. 20实际60年代，美国制定的字符编码，规定了英文字符与二进制间的关系
2. ASCII码一共规定了128个字符的编码，包括32个不可见控制符号
3. ASCII码只占用了一个字节的后面7位

2、Unicode编码的特点

1. Unicode只是符号集，只规定了符号的二进制代码, 没有规定如何存储
2. 对于英文字符来说，很多字节都是0是极大的浪费，而对于部分语言(中文等)又需要更多的字节。
3. Unicode不同的存储方式导致了Unicode难以推广

3、UTF-8的由来和特点

1. UTF-8是Unicode在互联网上使用最多的实现方式—UTF-16(2字节或者4字节)，UTF-32(4个字节)使用很少。
2. UTF-8是一种变长的编码方式—根据不同符号能改变字节长度(1字节~4字节)

4、UTF-8的编码规则

1. 单字节符号：字节第一位为0, 后面7位为该符号的Unicode码(因此，英文字母的UTF-8和ASCII码相同)
2. n字节的符号，第一个字节放置n个1+一个0，后面每个字节的开头为10，其余的位用Unicode码填充。(这样第一字节开头有几个1就表示该字符占据几个字节)

Unicode符号范围 (十六进制)	UTF-8编码方式（二进制）
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

5、Little endian和Bit endian(大端和小端)

1. 如Unicode码-4E25
2. Big endian: 存储时4E在前，25在后
3. Little endian: 存储时25在前,4E在后
4. Unicode规定：文件开头头两个字节是FE FF-表示大头，乳沟是FF FE-表示小头

6、GBK编码

1. GBK的文字编码是双字节来表示的(中、英文字符均使用双字节)
2. 为区分中文，将其最高位都定成1。

大小端的故事

这两个古怪的名称来自英国作家斯威夫特的《格列佛游记》。在该书中，小人国里爆发了内战，战争起因是人们争论，吃鸡蛋时究竟是从大头(Big-endian)敲开还是从小头(Little-endian)敲开。为了这件事情，前后爆发了六次战争，一个皇帝送了命，另一个皇帝丢了王位。