字符串编码的那些事

字符串编码常见的有ASCII码，Unciode编码和UTF-8编码等，那么这些字符串编码他们的作用是什么？他们之间又有何联系？下面让本人来由浅入深来讲解这些编码。

由ASCII码说起

我们知道，计算机只能存储二进制，不能存储字符，如果要存储字符，必须将字符转化为二进制，计算机中定义一个字节为8位，所以一个字节能存的最大整数为255，如果要表示更大的整数，则必须要更大的字节，而ASCII码则是将大小写英文字母、数字和一些符号转化为整数的一种编码，比如整数A的ASCII编码是65，小写a的ASCII编码则是97，ASCII编码一共有127个字符。

由于ASCII编码只编码英文字符，如果要使用汉字则要使用一种新的编码GB2312编码，而编码汉字仅仅一个字节存储的整数是不够的，所以编码汉字至少需要两个字节。

但是如果我们要编码日文或者韩文呢？你可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，如果只用一种特定的编码，显示出来会有乱码。

解决之道

解决方法就是用一种特殊的编码“Unicode编码”，Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

新的问题产生了

既然Unicode编码将所有语言都统一到一套编码里，那么是不是每种情况都用Unicode编码就行了呢？答案是否定的，那么为什么不在所有情况下都用Unicode编码呢？下面我来举个例子：
首先，根据Unicode标准，一般用两个字节来表示一个字符，某些生僻字会用四个字符来表示。

假设字符“A”，它在ASCII编码条件下二进制为01000001（十进制的65）；
而字符A在Unciode编码条件下二进制为00000000 01000001（根据标准Unicode需要两个字节表示，不足位补0）；

由上面例子可知，字符A的Unicode编码比ASCII编码多占了一个字节，所以在文本全是英文的环境下，Unicode编码比ASCII编码多一倍存储空间，这是十分不划算的。那么有没有一种既能处理乱码问题又能节约空间的编码呢？当然有，下面我们来介绍一种新的编码UTF-8编码。

UTF-8编码与Unicode编码

UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间，UTF-8编码将英文字符编码成一个字节，所以使用UTF-8编码能很好的兼容古老的用ASCII编码的文本文件。
既然弄清楚了UTF-8编码、Unicode编码的区别和联系，下面我来介绍下这三个编码的应用场景：

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

比如，在服务器生成网页传给客户端的过程中，服务器会把动态生成的Unicode内容转换成UTF-8编码传给客户端，所以你在客户端网页源码上会看到网页是由UTF-8编码的。