字符串小结

字符串，在编程世界里，应该是最特殊的一个对象，运用最广泛的一个对象。曾经，我们对于gbk，utf-8，gb2312，ascll，unicode等等，也有过许多疑惑，和懵逼。现在从计算机的发展，来解释一下这些标准。

大家先预先理解两个概念：一个是编码格式，一个是存储格式。

ascll

计算机是谁发明的？
冯诺依曼。一个德国人。但是在美国，替美国人干活。所以搞出来的标准是美国的习惯。把0–9数字，和26个英文单词的大小写，及若干符号编排成127个。占7位，不到一个字节。

这边整，英国人，新西兰，加拿大，澳大利亚等英语国家，可能没啥问题，照用不误。但德国人，法国人，俄国人，日本人，意大利人，中国人不干了。
中文，大概五万多个，除了生僻的字外，基本两个字节可以搞定，于是搞了gb2312；出于同样的心理，日本人搞了Shift_JIS里，韩国人搞了Euc-kr里，各国有各国的标准。这样整个计算机世界就乱套了。中日文不同，中韩文不同，没法交流，很多乱码。

零几年的软件，N多乱码，几乎网络上留存无数解决中文乱码的问题。

必须要解决如何搞？那就搞一套统一的呗。
Unicode横空出世。

Unicode

Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。
两个字节不行包含的，就四个字节。四个字节不能包含的，就8个字节。反正，总能把全世界的语言都包含进去。

好了，这样皆大欢喜，大家都能用自己的国家语言，没有乱码问题了。
随着而来的又出现了一个问题。美国人，英国人不干了。
都用unicode，两个字节表示一个字，我们就用了26个字母，ascll就搞定了，一个字节就搞定了。那我不浪费了很多空间。第二个字节全是0.

然后utf-8就出现了。

uft-8

“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间

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：

小结

编码	大小	支持语言
ASCII	1个字节	英文
Unicode	2个字节（生僻字4个）	所有语言
UTF-8	1-6个字节，英文字母1个字节，汉字3个字节，生僻字4-6个字节	所有语言