总览

##ASCII 码

• 最开始出现的编码
• 8 位 2 进制，一个字节，共可以有 256 种状态
• ASCII 码规定了 128 个字符编码，统一的第一位为 0

英语一个字节就够了
但是中文就需要两个字节，常用的 GB2312

但是就算使用两个字节表示一个汉字，也就是 60000 多的情况

##unicode
unicode 应运而生

范围很大，可以容纳 100 多万

每个字符的编码都不一样

只规定了二进制代码，并没有规定如何存储

• 无法区别是几个符号
• 如果统一规定了 4 个符号的话，会造成浪费

##UTF-8
这是 Unicode 的实现方式之一

变长的编码方式，可以使用 1~4 个字节表示一个符号

使用了下面的编码规则就可以区分并且分别是几个符号

• 对于单字节符号，字节第一位为 0，后 7 位为 unicode 码，因而对于英文字母，UTF-8 与 ASCII 相同
• 对于 n 字节，第一个字节的前 n 位都是 1，第 n+1 为 0，后面字节的前两位一律为 10，剩下的没有提及的位，则为这个符号的 unicode 码。

Unicode 符号范围 | UTF-8 编码方式

(十六进制) | （二进制）

——————–+———————————————

0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

例如严字

unicode 是 4E25（100111000100101），根据上表，可以发现 4E25 处在第三行的范围内（0000 0800-0000 FFFF），因此”严”的 UTF-8 编码需要三个字节，即格式是”1110xxxx 10xxxxxx 10xxxxxx”。然后，从”严”的最后一个二进制位开始，依次从后向前填入格式中的 x，多出的位补 0。这样就得到了，”严”的 UTF-8 编码是”11100100 10111000 10100101”，转换成十六进制就是 E4B8A5。

todo:配合正则那里的再看一下

参考自阮一峰的编码规则

---

转载请注明来源，欢迎对文章中的引用来源进行考证，欢迎指出任何有错误或不够清晰的表达。可以在下面评论区评论，也可以邮件至 981909093@qq.com