字符编码常识简单介绍
一直以来都有点搞不清楚各种字符编码的区别，但又总是碰到 ASCII、Unicode、UTF-8 等字符编码术语，所以查了点资料了解了一下这几种编码的区别及原理，下面简单记录分享一下吧。
编码原理
在计算机内部，所有信息最终都是用一个二进制的值来表示。每个二进制位有 0 和 1 两种状态，每八个二进制位（bit）组成一个字节（byte），所以很明显的，每个字节共有 2^8=256 种状态。每个状态对应一个二进制值，从 00000000 到 11111111 。
ASCII 码
ASCII 码是由美国制定的一套字符编码，对英语字符和字节二进制值的对应关系做了统一的规定。
ASCII 码使用一个字节来表示一个字符，一共规定了 128 个字符的编码，这些字符只使用了单个字节中的后七个二进制位（2^7=128），第一位统一为 0 。
对于英语来说，ASCII 编码的 128 个字符已经足够使用，但对于其他语言来说就有点不够了。所以有一些语言将 ASCII 编码中闲置的第一位也利用了起来，充分使用单个字符的 256 种状态。但这样就造成了一个很明显的问题：同一编码在不同语言编码体系中表示的字符不同，容易造成混乱。
更进一步，对于一些象形文字发展出来的语言，比如中文，要为每一个“字”对应一个编码，单个字节的 256 种状态远远不够，必须使用多个字节来表示一个字符。比如简体中文的 GB2312 编码方式，使用两个字节表示一个字符，最多可以表示 256×256=65536 个字符。
Unicode
由于前面提到的问题，在不同的编码体系中同一个二进制数字可以被解释成不同的字符。因此，要想正常打开一个文件，就必须知道它的编码方式，否则就会出现乱码的问题。由此 Unicode 应运而生。
Unicode 是一个统一的编码集合，类似于编码界的世界语，它将世界上所有的字符都赋予的一个独一无二的编码，从而避免了字符编码混乱的问题。
需要注意的是 Unicode 只规定了字符的二进制代码，但并没有规定这个二进制码应该如何存储表示，这就引出了后文的 UTF-8 编码。
UTF-8
UTF-8 全名为 8-bit Unicode Transformation Format ，从名字就可以看出来，它其实是 Unicode 的实现方式之一。
不同于纯粹的 Unicode，UTF-8 规定了 Unicode 字符的存储方式。使用一种变长的编码方案，用 1~4 个字节表示一个字符，根据不同的字符改变字节长度，从而做到在兼顾所有字符的情况下将占用空间尽可能的减小。因此成为了互联网上使用最广的一种 Unicode 实现方式。
UTF-8 具体的编码规则如下：
- 对于单字节的字符，字节的第一位设为
0，后七位为这个字符的 Unicode 码，因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。 - 对于
n个字节的字符（1<n<=4)，第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下没有提及的二进制位全部为这个字符的 Unicode 码。
在知道了编码方式的条件下，解读 UTF-8 编码的字符串也就很简单了：如果一个字节第一位是 0 ，这这个字节单独就表示一个字符，取出 Unicode 码对应即可；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字节，根据上面编码规则就可以得到该字符对应的 Unicode 码，从而得到对应字符。