說(shuō)到ASCII，Unicode和UTF-8，可能大家都知道是字符編碼，但具體含義，以及其中差異，可能很多人都不知道。
一、名稱(chēng)解釋
ASCII：American Standard Code for Information Interchange，美國信息互換標準代碼。Unicode：統一碼、萬(wàn)國碼、單一碼，是計算機科學(xué)領(lǐng)域里的一項業(yè)界標準，包括字符集、編碼方案等。UTF-8：8-bit Unicode Transformation Format，是一種針對Unicode的可變長(cháng)度字符編碼。
二、歷史變遷
很久以前，有一群人，他們決定用8個(gè)可以開(kāi)合的晶體管來(lái)組合成不同的狀態(tài)，以表示世界上的萬(wàn)物。他們看到8個(gè)開(kāi)關(guān)狀態(tài)是好的，于是他們把這稱(chēng)為“字節”。再后來(lái)，他們又做了一些可以處理這些字節的機器，機器開(kāi)動(dòng)了，可以用字節來(lái)組合出很多狀態(tài)，狀態(tài)開(kāi)始變來(lái)變去。他們看到這樣是好的，于是它們就這機器稱(chēng)為”計算機“。開(kāi)始計算機只在美國使用，八位的字節一共可以組合出256種不同的狀態(tài)。他們把其中的編號從0開(kāi)始的32種狀態(tài)分別規定了特殊的用途，一但終端、打印機遇上約定好的這些字節被傳過(guò)來(lái)時(shí)，就要做一些約定的動(dòng)作。遇上0×10, 終端就換行，遇上0×07, 終端就向人們嘟嘟叫。他們看到這樣很好，于是就把這些0×20以下的字節狀態(tài)稱(chēng)為“控制碼”。他們又把所有的空格、標點(diǎn)符號、數字、大小寫(xiě)字母分別用連續的字節狀態(tài)表示，一直編到了第127號，這樣計算機就可以用不同字節來(lái)存儲英語(yǔ)的文字了。大家看到這樣，都感覺(jué)很好，于是大家都把這個(gè)方案叫做 ANSI 。后來(lái)，世界各地都開(kāi)始使用計算機了，但是很多國家用的不是英文，他們的字母里有許多是ASCII里沒(méi)有的，為了可以在計算機 保存他們的文字，他們決定采用 127號之后的空位來(lái)表示這些新的字母、符號，還加入了很多畫(huà)表格時(shí)需要用下到的橫線(xiàn)、豎線(xiàn)、交叉等形狀，一直把序號編到了最后一個(gè)狀態(tài)255。從128 到255這一頁(yè)的字符集被稱(chēng)“擴展字符集”。等中國人們得到計算機時(shí)，已經(jīng)沒(méi)有可以利用的字節狀態(tài)來(lái)表示漢字，而且常用漢字有六七千個(gè)，這個(gè)時(shí)候，中國人民就使用了一套漢字方案叫做GB2312”。隨著(zhù)發(fā)展，又發(fā)現了一些局限，所以就有了GBK，再繼續往后增加了一些字符（如少數名族字體），GBK擴成了 GB18030。
因為當時(shí)各個(gè)國家都像中國這樣搞出一套自己的編碼標準，結果互相之間誰(shuí)也不懂誰(shuí)的編碼，誰(shuí)也不支持別人的編碼，連大陸和臺灣這樣只相隔了150海里也使用不同編碼。這個(gè)時(shí)候，出現了一個(gè)叫 ISO 組織（國際標準化組織）決定著(zhù)手解決這個(gè)問(wèn)題。他們采用的方法很簡(jiǎn)單：廢了所有的地區性編碼方案，重新搞一個(gè)包括了地球上所有文化、所有字母和符號 的編碼！他們打算叫它“Universal Multiple-Octet Coded Character Set”，簡(jiǎn)稱(chēng) UCS, 俗稱(chēng) “Unicode”。
但是Unicode同樣也有2個(gè)問(wèn)題:
1.計算機怎么知道二個(gè)字節為一個(gè)字符，如何識別二個(gè)字節為什么一個(gè)字符？
2.針對英文字符，如果使用大于1個(gè)字節來(lái)表示，那么低位的前面幾個(gè)字節全是0。很奢侈浪費空間，因為現在計算機大部分內容還是英文。
unicode在很長(cháng)一段時(shí)間內無(wú)法推廣，直到互聯(lián)網(wǎng)的出現，為解決unicode如何在網(wǎng)絡(luò )上傳輸的問(wèn)題，于是面向傳輸的眾多 UTF（UCS Transfer Format）標準出現了。顧名思義，UTF-8就是每次8個(gè)位傳輸數據，而UTF-16就是每次16個(gè)位。UTF-8就是在互聯(lián)網(wǎng)上使用最廣的一種unicode的實(shí)現方式，這是為傳輸而設計的編碼，并使編碼無(wú)國界，這樣就可以顯示全世界上所有文化的字符了。
三、Charset and Encoding
Charset (Character set) 字符集：是對字符抽象表示的集合。包括世界上各種文字、符合和字符。字符集只是一個(gè)規則集合的名字，對應到真實(shí)生活中，字符集就是對某種語(yǔ)言的稱(chēng)呼。例如：英語(yǔ)，漢語(yǔ)，日語(yǔ)。對于一個(gè)字符集來(lái)說(shuō)要正確編碼轉碼一個(gè)字符需要三個(gè)關(guān)鍵元素：字庫表（character repertoire）、編碼字符集（coded character set）、字符編碼（character encoding）。
字庫表是一個(gè)相當于所有可讀或者可顯示字符的數據庫。字庫表決定了整個(gè)字符集能夠展現表示的所有字符的范圍。編碼字符集，即用一個(gè)編碼值code point來(lái)表示一個(gè)字符在字庫中的位置。字符編碼，將編碼字符集和實(shí)際存儲數值之間的轉換關(guān)系。
四、UTF-8和Unicode的關(guān)系
看完上面兩個(gè)概念解釋?zhuān)嘈拍銘撁靼灼渲嘘P(guān)系了。Unicode就是上文中提到的編碼字符集，而UTF-8就是字符編碼，即Unicode規則字庫的一種實(shí)現形式。隨著(zhù)互聯(lián)網(wǎng)的發(fā)展，對同一字庫集的要求越來(lái)越迫切，Unicode標準也就自然而然的出現。它幾乎涵蓋了各個(gè)國家語(yǔ)言可能出現的符號和文字，并將為他們編號。
五、進(jìn)一步理解UTF-8編碼
UTF-8編碼為變長(cháng)編碼。最小編碼單位（code unit）為一個(gè)字節。一個(gè)字節的前1-3個(gè)bit為描述性部分，后面為實(shí)際序號部分。
1.如果一個(gè)字節的第一位為0，那么代表當前字符為單字節字符，占用一個(gè)字節的空間。0之后的所有部分（7個(gè)bit）代表在Unicode中的序號。
2.如果一個(gè)字節以110開(kāi)頭，那么代表當前字符為雙字節字符，占用2個(gè)字節的空間。110之后的所有部分（5個(gè)bit）加上后一個(gè)字節的除10外的部分（6個(gè)bit）代表在Unicode中的序號。且第二個(gè)字節以10開(kāi)頭。
3.如果一個(gè)字節以1110開(kāi)頭，那么代表當前字符為三字節字符，占用3個(gè)字節的空間。110之后的所有部分（5個(gè)bit）加上后兩個(gè)字節的除10外的部分（12個(gè)bit）代表在Unicode中的序號。且第二、第三個(gè)字節以10開(kāi)頭。
來(lái)看一個(gè)UTF-8編碼例子：
1個(gè)字節的UTF-8十六進(jìn)制編碼是以比8小的數字開(kāi)頭的2個(gè)字節的UTF-8十六進(jìn)制編碼是以C或D開(kāi)頭的3個(gè)字節的UTF-8十六進(jìn)制編碼是以E開(kāi)頭的
軟文寫(xiě)作技巧分析文案的表現形式