快速理解编码，unicode与utf-8

Posted 2021-01-10 lshao

1.为什么编码，因为cpu只认识数字
2.ASCII 一个字符共占7位，用一个字节表示，共128个字符
3.那么ASCII浪费了最高位多可惜，出现了
ISO-8859-1，一个字节，256个字符，很多协议的默认编码
4.中文编码
GB2132 两个字节，大陆使用，表示约6k个字符
BIG5 两个字节，繁体字编码标准，共表示1.3w个字符
GBK 扩展了GB2132,能表示2w个汉字，不兼容BIG5

Unicode
又称万国码，源于一个组织，一共有两个组织，都是为了构建出一种能表示地球所有字符的编码，其中一个就是unicode，unicode是准确说是一个字符表，每个字符对应一个数字，称为码点，兼容ACSII，即a对应数字96，目前来说16位长度还未占满，所以有人说unicode字符占两个字节，这绝对是一种误解，unicode只是定义了哪个字符对应哪个数字，就这么简单。

java与unicode
java中为了存储字符时统一映射关系，存储与编码无关的unicode码点，不然一会存一个gbk字符，又来一个big5字符，连打印字符串都有问题了。

utf
那么unicode只是定义映射关系的话，具体怎么存储，用几个字节存呢
目前有ucs和utf两种思路。
utf-8 因为节省流量，互联网用的较多
用1,2,3,4个字节存储一个字符，通常来说英文字符一个字节，汉子三个字节
具体格式参考链接
uft16与bom
采用2.4字节存储，那么为了区分高字节在前还是在后，就需要在字节流前加特殊的BOM字节表示，utf8不需要bom，只是微软有这个习惯。

更加详细的描述推荐　　https://www.cnblogs.com/leesf456/p/5317574.html