關注、星標公眾號，不錯過精彩內容
說到ASCII，Unicode和UTF-8，可能大家都知道是字符編碼，但具體含義，以及其中差異，可能很多人都不知道。
一、名稱解釋
ASCII：American Standard Code for InformationInterchange，美國信息互換標準代碼。
Unicode：統一碼、萬國碼、單一碼，是計算機科學領域裡的一項業界標準，包括字符集、編碼方案等。
UTF-8：8-bit Unicode Transformation Format，是一種針對Unicode的可變長度字符編碼。
二、歷史變遷
先給大家看一張變遷圖：
很久以前，有一群人，他們決定用8個可以開合的電晶體來組合成不同的狀態，以表示世界上的萬物。他們看到8個開關狀態是好的，於是他們把這稱為「字節」。再後來，他們又做了一些可以處理這些字節的機器，機器開動了，可以用字節來組合出很多狀態，狀態開始變來變去。他們看到這樣是好的，於是它們就這機器稱為」計算機「。
開始計算機只在美國使用，八位的字節一共可以組合出256種不同的狀態。他們把其中的編號從0開始的32種狀態分別規定了特殊的用途，一但終端、印表機遇上約定好的這些字節被傳過來時，就要做一些約定的動作。遇上0×10, 終端就換行，遇上0×07, 終端就向人們嘟嘟叫。他們看到這樣很好，於是就把這些0×20以下的字節狀態稱為「控制碼」。他們又把所有的空格、標點符號、數字、大小寫字母分別用連續的字節狀態表示，一直編到了第127號，這樣計算機就可以用不同字節來存儲英語的文字了。大家看到這樣，都感覺很好，於是大家都把這個方案叫做 ANSI 。
後來，世界各地都開始使用計算機了，但是很多國家用的不是英文，他們的字母裡有許多是ASCII裡沒有的，為了可以在計算機 保存他們的文字，他們決定採用 127號之後的空位來表示這些新的字母、符號，還加入了很多畫表格時需要用下到的橫線、豎線、交叉等形狀，一直把序號編到了最後一個狀態255。從128 到255這一頁的字符集被稱「擴展字符集」。
等中國人們得到計算機時，已經沒有可以利用的字節狀態來表示漢字，而且常用漢字有六七千個，這個時候，中國人民就使用了一套漢字方案叫做GB2312」。隨著發展，又發現了一些局限，所以就有了GBK，再繼續往後增加了一些字符（如少數名族字體），GBK擴成了 GB18030。
因為當時各個國家都像中國這樣搞出一套自己的編碼標準，結果互相之間誰也不懂誰的編碼，誰也不支持別人的編碼，連大陸和臺灣這樣只相隔了150海裡也使用不同編碼。這個時候，出現了一個叫 ISO 組織（國際標準化組織）決定著手解決這個問題。他們採用的方法很簡單：廢了所有的地區性編碼方案，重新搞一個包括了地球上所有文化、所有字母和符號 的編碼！他們打算叫它「Universal Multiple-Octet Coded Character Set」，簡稱 UCS, 俗稱 「Unicode」。
但是Unicode同樣也有2個問題:
1.計算機怎麼知道二個字節為一個字符，如何識別二個字節為什麼一個字符？
2.針對英文字符，如果使用大於1個字節來表示，那麼低位的前面幾個字節全是0。很奢侈浪費空間，因為現在計算機大部分內容還是英文。
unicode在很長一段時間內無法推廣，直到網際網路的出現，為解決unicode如何在網絡上傳輸的問題，於是面向傳輸的眾多 UTF（UCS Transfer Format）標準出現了。顧名思義，UTF-8就是每次8個位傳輸數據，而UTF-16就是每次16個位。UTF-8就是在網際網路上使用最廣的一種unicode的實現方式，這是為傳輸而設計的編碼，並使編碼無國界，這樣就可以顯示全世界上所有文化的字符了。
三、Charset and Encoding
1.什麼是字符編碼
Charset (Character set) 字符集：是對字符抽象表示的集合。包括世界上各種文字、符合和字符。
字符集只是一個規則集合的名字，對應到真實生活中，字符集就是對某種語言的稱呼。例如：英語，漢語，日語。
2.什麼是字符編碼
對於一個字符集來說要正確編碼轉碼一個字符需要三個關鍵元素：字庫表（character repertoire）、編碼字符集（coded character set）、字符編碼（character encoding）。
字庫表是一個相當於所有可讀或者可顯示字符的資料庫。字庫表決定了整個字符集能夠展現表示的所有字符的範圍。
編碼字符集，即用一個編碼值code point來表示一個字符在字庫中的位置。
字符編碼，將編碼字符集和實際存儲數值之間的轉換關係。
四、UTF-8和Unicode的關係
看完上面兩個概念解釋，相信你應該明白其中關係了。Unicode就是上文中提到的編碼字符集，而UTF-8就是字符編碼，即Unicode規則字庫的一種實現形式。隨著網際網路的發展，對同一字庫集的要求越來越迫切，Unicode標準也就自然而然的出現。它幾乎涵蓋了各個國家語言可能出現的符號和文字，並將為他們編號。
五、進一步理解UTF-8編碼
UTF-8編碼為變長編碼。最小編碼單位（code unit）為一個字節。一個字節的前1-3個bit為描述性部分，後面為實際序號部分。
1.如果一個字節的第一位為0，那麼代表當前字符為單字節字符，佔用一個字節的空間。0之後的所有部分（7個bit）代表在Unicode中的序號。
2.如果一個字節以110開頭，那麼代表當前字符為雙字節字符，佔用2個字節的空間。110之後的所有部分（5個bit）加上後一個字節的除10外的部分（6個bit）代表在Unicode中的序號。且第二個字節以10開頭。
3.如果一個字節以1110開頭，那麼代表當前字符為三字節字符，佔用3個字節的空間。110之後的所有部分（5個bit）加上後兩個字節的除10外的部分（12個bit）代表在Unicode中的序號。且第二、第三個字節以10開頭。
來看一個UTF-8編碼例子：
發現其中規律：
1個字節的UTF-8十六進位編碼是以比8小的數字開頭的
2個字節的UTF-8十六進位編碼是以C或D開頭的
3個字節的UTF-8十六進位編碼是以E開頭的
本文就寫到這裡，希望對你有幫助。當然，更多關於字符編碼的內容，感興趣朋友可以自行了解。
END