字符编码规则

1. 概念

编码表：由于计算机因为电信号的原因只能识别二进制数据，为了让其可以识别各个国家的文字，就将文字用数字进行一一对应，形成一张表。

ANSI：美国国家标准学会（AMERICAN NATIONAL STANDARDS INSTITUTE）

• 常见编码表

ASCII 美国标准信息交换码 一个字节的7位表示，后期全部对其进行了兼容

ISO8859-1 拉丁码表，欧洲码表 一个字节的8位表示

GB2312 中文编码表 最多两个字节编码所有字符 GBK 升级版，融合更多中文文字符号，由于兼容ASCII具体几个字节为一组看首位字节是0/1

Unicode 国际标准码，融合了目前人类使用的所有字符，为每个字符分配唯一字符码，所有文字用两个字节16位可全部表示

Unicode不完美，有三个问题

1. 我们已经知道，英文字母只用一个字节表示就够了
2. 如何才能区别 Unicode和ASCII计算机怎么知道两个字节表示一个符号，而不是分别表示两个符号呢？
3. 如果和GBK等双字节编码方式一样，用最高位是1或0表示两个字节和一个字节，就变成2¹⁵，少了很多值无法用于表示所有字符。所以Unicode在很长一段时间内无法推广，直到互联网的出现。

UTF-8 变长编码方式，可用1-4个字节表示一个字符

面向传输的众多UTF（UCS Transfer Format）标准出现了，顾名思义，UTF-8就是每次8个位传输数据，而UTF-16就是每次16个位传输数据。这是为传输而设计的编码，并使编码无国界，这样就可以显示全世界上所有文化的字符了。

Unicode只是定义了一个庞大的、全球通用的字符集，并为每个字符规定了唯一确定的编号，具体存储成什么样的字节流，取决于字符编码方案。推荐的Unicode编码是UTF-8和UTF-16。

在标准UTF-8編码中，超出基本多语言范围（BMP-Basic Multilingual Plane）的字符被编码为4字节格式，但是在修正的UTF-8编码中，他们由代理编码对（surrogatepairs）表示，然后这些代理编码对在序列中分别重新编码。结果标准UTF-8编码中需要4个字节的字符，在修正后的UTF-8编码中将需要6个字节。