ASCII 码
-
八位二进制被称为一个字节（byte），可以组合出256种状态
00000000到11111111 -
ASCII 码一共规定了128个字符的编码，这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的一位统一规定为
0 -
比如空格
SPACE是32（二进制00100000），大写的字母A是65（二进制01000001）
非 ASCII 编码
-
英语用128个符号编码就够了
-
其他语言，128个符号是不够的。不同的国家有不同的字母，因此，哪怕它们都使用256个符号的编码方式，代表的字母却不一样。
Unicode
-
世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。
-
Unicode将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是 Unicode，就像它的名字都表示的，这是一种所有符号的编码。
-
Unicode 当然是一个很大的集合，现在的规模可以容纳100多万个符号。每个符号的编码都不一样，比如，
U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字严。具体的符号对应表，可以查询unicode.org，或者专门的汉字对应表
Unicode 的问题
- 需要注意的是，Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储
问题
-
1、无法区分Unicode 和 ASCII ，计算机不知道三个字节表示一个符号还是三个符号
-
2、英文字母只用一个字节表示就够了，如果 Unicode 统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是
0，这对于存储来说是极大的浪费，文本文件的大小会因此大出二三倍，这是无法接受的
结果
- 1、出现了 Unicode 的多种存储方式，也就是说有许多种不同的二进制格式，可以用来表示 Unicode
- 2、Unicode 在很长一段时间内无法推广，直到互联网的出现
UTF-8
-
UTF-8 是 Unicode 的实现方式之一
-
UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。其他实现方式还包括 UTF-16（字符用两个字节或四个字节表示）和 UTF-32（字符用四个字节表示），不过在互联网上基本不用
-
UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8 编码规则
-
1、对于单字节的符号，字节的第一位设为
0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的 -
2、对于
n字节的符号（n > 1），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。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。
#下表总结了编码规则，字母`x`表示可用编码的位
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+------------------------------------
0000-0000-0000 007F | 0xxxxxxx
0000-0080-0000 07FF | 110xxxxx 10xxxxxx
0000-0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001-0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
实现 UTF-8 编码
以汉字严为例
-
1、查找
严的 Unicode 是4E25（100111000100101） -
2、根据上表，可以发现
4E25处在第三行的范围内（0000 0800 - 0000 FFFF），因此严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx -
3、从
严的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5 -
URL编码
%E4%B8%A5