字符编码UTF-8

Posted 2021-03-02 ysirsun

ascii码：用一个字节的低7位来表示英文的128个字符，高1位统一为0。后来随着越来越多的文字被编入ascii吗，高七位也被编进去了。

GB2312：汉字的出现，ascii码无法满足了，所以就出现了GB2312。

UNICODE:为了各国都能认识且使用统一的编码，就发明了这个编码，又名万国码。

--------------------------------------------

因为UNICODE之规定了文字和二进制的映射，但是没有规定在实际中怎么存储，因为不同的字需要占用的二进制位数不是固定的，太长了浪费，太短了有些长的不满足，还有一些操作系统的原因等等。

UTF-8：随着各国互联，世界村的出现，各国人凑在一起看小电影，一个画面可能会显示多种语言，所以需要一种统一的，高效的，合适的编码来编解码，UNICODE作为一个蓝本，明显不能满足这三个要求，所以UTF-8出现了：

　　另外还有utf-16、utf-32等。UTF-8不是固定字长编码的，而是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。这是种比较巧妙的设计，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。注意unicode的字符编码和utf-8的存储编码表示是不同的，例如"严"字的Unicode码是4E25，UTF-8编码是E4B8A5，这个7里面解释了的，UTF-8编码不仅考虑了编码，还考虑了存储，E4B8A5是在存储识别编码的基础上塞进了4E25。一般的中文汉字在utf-8中是3个字节，最常见的编码方式是1110xxxx 10xxxxxx 10xxxxxx。

参考文章：https://blog.csdn.net/weixin_30402343/article/details/95836628