在計算機內部，所有的資訊終於都是表示為0和1去展示，但是如何表達出那麼多的字元呢？
一、二進位制位（bit）
在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位（bit）有0和1兩種狀態。
二、位元組（byte）
通過八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組（byte）。
也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個狀態對應乙個符號，就是256個符號，從0000000到11111111。
三、ascii碼
上個世紀60年代，美國制定了一套字元編碼，對英語字元與二進位制位之間的關係，做了統一規定。這被稱為ascii碼，一直沿用至今。ascii碼
ascii碼一共規定了128個字元的編碼，比如空格」space」是32（二進位制00100000），大寫的字母a是65（二進位制01000001）。這128個符號（包括32個不能列印出來的控制符號），只占用了乙個位元組的後面7位，最前面的1位統一規定為0。
四、非ascii編碼
英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。比如拉丁文中的α，它就無法用ascii碼表示。
於是，一些歐洲國家就決定，利用位元組中閒置的最高位編入新的符號。比如，法語中的é的編碼為130（二進位制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。
但是，這裡又出現了新的問題。
（1）、不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母gimel (ג)，在俄語編碼中又會代表另乙個符號。但是不管怎樣，所有這些編碼方式中，0–127表示的符號是一樣的，不一樣的只是128–255的這一段。
（2）、至於亞洲國家的文字，使用的符號就更多了，比如我們的漢字就多達10萬左右。乙個位元組只能表示256種符號，肯定是不夠的，就必須使用多個位元組表達乙個符號。
所以又有了一些新的編碼方式。
比如簡體中文常見的編碼方式是gbk和gb2312，gb2312使用兩個位元組表示乙個漢字，所以理論上最多可以表示256x256=65536個符號。中文編碼的問題需要專文討論，這篇筆記不涉及。這裡只指出，雖然都是用多個位元組表示乙個符號，但是gb類的漢字編碼與後文的unicode和utf-8是毫無關係的。
但是問題來了，各種各樣的編碼方式，太多了，需要一種統一的方式來相容各種文字和符號。
五、unicode字符集
世界上存在著多種編碼方式，同乙個二進位制數字可以被解釋成不同的符號。因此，要想開啟乙個文字檔案，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。為什麼電子郵件常常出現亂碼？就是因為發信人和收信人使用的編碼方式不一樣。
可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每乙個符號都給予乙個獨一無二的編碼，那麼亂碼問題就會消失。這就是unicode，就像它的名字都表示的，這是一種所有符號的編碼。
unicode當然是乙個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，u+0639表示阿拉伯字母ain，u+0041表示英語的大寫字母a，u+4e25表示漢字」嚴」。具體的符號對應表，可以查詢unicode.org，或者專門的漢字對應表。
unicode的問題：
需要注意的是，unicode只是乙個符號集，它只規定了符號的二進位制**，不像ascii編碼，gb2312編碼，都是和每個字符集表一一對應的，unicode沒有規定這個二進位制**應該如何儲存。
比如，漢字」嚴」的unicode是十六進製制數4e25，轉換成二進位制數足足有15位（100111000100101），也就是說這個符號的表示至少需要2個位元組。表示其他更大的符號，可能需要3個位元組或者4個位元組，甚至更多。
這裡就有兩個嚴重的問題，第乙個問題是，如何才能區別unicode和ascii？計算機怎麼知道三個位元組表示乙個符號，而不是分別表示三個符號呢？第二個問題是，我們已經知道，英文本母只用乙個位元組表示就夠了，如果unicode統一規定，每個符號用三個或四個位元組表示，那麼每個英文本母前都必然有二到三個位元組是0，這對於儲存來說是極大的浪費，文字檔案的大小會因此大出二三倍，這是無法接受的。
它們造成的結果是：
（1）、出現了unicode的多種儲存方式，也就是說有許多種不同的二進位制格式，可以用來表示unicode。
（2）、unicode在很長一段時間內無法推廣，直到網際網路的出現。
六、utf-8編碼
網際網路的普及，強烈要求出現一種統一的編碼方式。utf-8就是在網際網路上使用最廣的一種unicode的實現方式。其他實現方式還包括utf-16（字元用兩個位元組或四個位元組表示）和utf-32（字元用四個位元組表示），不過在網際網路上基本不用。
重複一遍，這裡的關係是，utf-8是unicode字符集編碼實現方式之一。
utf-8最大的乙個特點，就是它是一種變長的編碼方式。它可以使用1~4個位元組表示乙個符號，根據不同的符號而變化位元組長度。
utf-8的編碼規則很簡單，只有二條：
（1）、對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的unicode碼。因此對於英語字母，utf-8編碼和ascii碼是相同的。
（2）、對於n位元組的符號（n>1），第乙個位元組的前n位都設為1，第n+1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位，全部為這個符號的unicode碼。
字元編碼之UTF 8
博學，切問，近思 詹子知 http blog.csdn.net zhiqiangzhan utf 8 8 位元 universal character set unicode transformation format 是一種針對unicode的可變長度字元編碼。utf 8 是一種傳輸編碼，他和定長...
轉換編碼到utf 8
轉換編碼，通常是轉換為utf 8 param string string 要轉換的字串 param string toencode 要轉換為的編碼,預設為utf 8 return string function convert encoding string,to encode utf 8 檢測字串...
編碼 從0 1到一台計算機
從入手的那一刻起就被 編碼 這本書迷住了，它通過一種淺顯易懂的方式來告訴我們計算機是怎麼組成的。這本書從乙個小故事開始，兩個臨街而住的孩子為了能在晚上夜深人靜的時候聊天，需要找到一種方式來交流，於是，手電筒成了乙個很好的工具。而莫爾斯電碼則成了很好的資訊載體。接著，作者又通過莫爾斯電碼，布萊葉盲文等...