幫你搞清ASCII、Unicode和UTF-8區別，拿走不謝

首先說一下背景：由於計算機是美國人發明的，因此最早只有127個字母被編碼到計算機中，也就是大小寫英文字母、數字和一些符號，這個編碼表稱為ASCII編碼。

例如：大寫字母A的編碼是65，小寫字母z的編碼時122。

要處理中文，顯然一個字節是不夠的，至少需要兩個字節，且不能和ASCII編碼衝突，所以我國制定了GB2312編碼，用於把中文編進去。

可以想像，全世界上有上百種語言，日本把日文編寫到Shift_JIS裡，韓國把韓文編寫到Euc-kr裡，各國有各國的標準，就不可避免出現衝突，結果就是，在多語言混合的文本中就會顯示亂碼。

---

在此背景下，Unicode應運而生，Unicode把所有語言都統一到一套編碼裡，這樣就不會有亂碼問題了。

Unicode標準在不斷發展，最常用的是用兩個字節表示一個字符（如果要用到非常生僻的字符，就需要4個字節）。現代作業系統和大多數程式語言都直接支持Unicode。

下面看看ASCII編碼和Unicode編碼的區別：ASCII編碼時1個字節，二Unicode編碼通常是兩個字節。

字母A用ASCII編碼是十進位的65，二進位的01000001。

字符0用ASCII編碼是十進位的48，二進位的00110000。

注意字符0和整數0是不同的。

漢字「中」已經超出了ASCII編碼的範圍，用Unicode編碼是十進位的20013，二進位的01001110 00101101。

如果把ASCII編碼的A用Unicode編碼，只需要在前面補0就可，因此A的Unicode編碼是00000000 01000001。

那麼新的問題就出現了：如果統一成Unicode編碼，亂碼問題從此消失了，但是寫的文本基本上全部是英文時，用Unicode編碼比ASCII編碼多一倍存儲空間，在存儲和傳輸上十分不划算。

本著節約的精神，又出現了把Unicode編碼轉化成為「可變長編碼」的UTF-8編碼。UTF-8編碼把一個Unicode字符根據不同的數字大小編碼成1~6個字節，常用的英文字母被編碼成1個字節，漢字通常是3個字節，只有很生僻的字符才會被編碼成4~6個字節。如果你要傳輸的文本包含大量英文字母，用UTF-8編碼就會節省空間。

各編碼方式的比較

由上表可知，UTF-8編碼有一個額外的好處，就是ASCII編碼實際上可看成是UTF-8編碼的一部分，所以只支持ASCII編碼的大量歷史遺留軟體可在UTF-8編碼下繼續使用。

---

搞清楚ASCII、Unicode和UTF-8的關係後，可總結一下現在計算機系統通用的字符編碼工作方式：在計算機內存中，統一使用Unicode編碼，當需要保持到硬碟或需要傳輸時，可轉換為UTF-8編碼。

例如，用記事本編輯時，從文件讀取的UTF-8字符轉換為Unicode字符到內存；編輯完成後，保持時再把Unicode轉換為UTF-8保持到文件。

瀏覽網頁時，伺服器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器，如下圖所示：

我們經常看到很多網頁的源碼上有類似<meta charset=』UTF-8』/>的信息，表示該網頁用的是UTF-8編碼。