一文解讀編碼問題
相信很多人經常看到什麼ascii，什麼Unicode，什麼GBK以及GB2312等等
記憶中大一那會計算機老師會告訴你就是一個字母佔一個字節，然後一個漢字佔兩個字節 這種話，其實壓根不是這麼回事！這句話其實非常不嚴謹，如果有的小夥伴用的是Mac或者Linux，你就發現真的不是這麼回事！
字符編碼的前世今生
拉丁文的字母約公元前7世紀~前6世紀時，由希臘字母間接發展而來，成爲古羅馬人的文字，古羅馬滅亡前共包含23個字母，其中有18個輔音字母B、C、D、F、G、Z、H、K、L、M、N、P、Q、R、S、T、X、Y，4個元音字母A、E、I、O，和一個音值不定的V，11世紀時增加了J、U、W，形成了今天的26個字母。
首先計算機的歷史其實並不久遠，只是這個東西出道即巔峯，而且發展非常迅猛，各種技術層不窮！
最初，第一臺計算機“ENIAC” 1946年誕生於在美國賓夕法尼亞大學
顯然，這是老美的作品，在他們的文化中，26個字母就能描繪這個世界，
所以對於計算機而言，所要描繪的字符，最多就大小寫字母加上爲數不多的標點符號，就能完成！
這一切都顯得是那麼的和諧美好吧！
ASCII
所以老美的解決方案就是，ASCII！
小時候媽媽都可能告訴你計算機是二進制表示的，的確，一個字節八位，1<<8即256，所以，對於這些字母而言，存儲只需要一個字節的大小就能解決問題！不能再多了！
但是，計算機的發展可謂迅猛！
在很多西方國家，確實這幾個字母夠表達了，但是對於像我們中華民族幾千年文化，這種象形文字，就不說那些什麼生僻字，還有什麼古文字甲骨文啊之類的，就常用的這些字，少說也有10000+吧，
開什麼國際玩笑，這個數量遠遠超過ascii編碼所能表示的範圍
GB2312
接下來又是一個歷史的時刻，GB2312誕生了，這是中文的一種編碼方案，完整的描述是
在繼承ascii表的基礎上，增加了一些常用的中文編碼，當然關於這個編碼規則可以自行查閱，後來又有了GBK，可以簡單理解爲gb2312是gbk的一個子集，因爲gbk就是多增加了一些文字
這樣中文的表述問題基本得到了解決！
國際化問題
接下來的問題是，中文的顯示沒毛病，但是這不是國際化標準，當你有個朋友在國外留學，你給他發條消息，本來在你電腦上是能正確顯示的，但是發過去他看到的是亂碼或者其他的文字（因爲其他國家也肯定有他們自己文字的一套編碼方案），絕非你想要的表達的意思，這問題很大吧？
你想一下，都2020了，倘若發條消息都成問題，那咋搞？
Unicode誕生
爲了解決這種國際化的語言不通的問題， Unicode誕生了！
什麼是Unicode
Unicode（
統一碼、萬國碼、單一碼）是計算機科學領域裏的一項業界標準，包括字符集、編碼方案等。Unicode 是爲了解決傳統的字符編碼方案的侷限而產生的，它爲每種語言中的每個字符設定了統一併且唯一的二進制編碼，以滿足跨語言、跨平臺進行文本轉換、處理的要求。1990年開始研發，1994年正式公佈。
“Unicode（統一碼、萬國碼、單一碼）是計算機科學領域裏的一項業界標準”
這是百度百科的描述，強調這是一個標準，統一碼就是全球這麼多國家的文字，都統一編碼了，也就是說每個標點，每個文字，不管你是中文，韓文或者日文在Unicode這套標準中都有唯一的標識，
爲此，就不會出現你發消息過去亂碼的情況了
Unicode只是一個標準
Unicode範圍0x0-0x10FFFF(1114111)
看着這個範圍，似乎明白了什麼，就有的字只需要兩個字節的空間就可存儲在計算機中，但是有的字需要三個字節，爲此，計算機針對Unicode的存儲方案就誕生了！
UTF-8
UTF-16
UTF-32
Unicode存儲實現
不管是UTF-8,UTF-16還是UTF-32，都強調以UTF-後面的數字爲單位，分別是8位即一個字節爲單位，16位兩個字節爲單位，32位4個字節爲單位，
UTF-8因爲是以一個字節爲單位的，因爲是一種變成方案，優點就是節省存儲空間
對於UTF-16就是以兩個字節爲單位，如果Unicode範圍超過兩個字節的字符，就用四個字節存儲
對於UTF-32就更簡單暴力，直接以四個字節存儲，不管你是什麼字符都以四個字節存儲，這種很明顯就是太浪費空間，本來存儲一個字母的只需要一個字節，現在用四個，相當於浪費了三個字節空間！
最後總結
字符編碼其實就是一種映射關係，如果計算機是你發明的，你完全可以將你的名字定義爲0x01，0x02,然而不是，所以通俗地將，就是別人定義的一套映射規則，就像97代表字母’a’一樣，每一個字符都有對應的一個序號，切記Unicode只是一種標準，可以簡單理解爲類與對象的關係，UTF-8也好16也好都只是Unicode的一種實現！