ASCII 编码

我们都知道一个字节有8位，转换为二进制的话，可以表示256个数，也就是从00000000到11111111。

早期人们用8位二进制来编码英文字母，因为最前面的一位统一规定为0，所以总共可以表示128个字符。

ASCII码一共规定了128个字符的编码，比如空格space是32(二进制为0010000),大写的字母A是65。这128个符号还包含着32个不能打印出来的控制符号。

1个ASCII码占1字节

ASCII码的乱码问题

在美国，这128是够了，但是其他国家不够. 为了保持与ASCII码的兼容性，一般最高位为0时和原来的ASCII码相同，最高位为1的时候，各个国家自己给后面的位(1xxx xxxx)赋予他们国家的字符意义。

这就成了不同国家有不同国家的编码方式，所以如果给你一串二进制数，想要解码，就必须知道它的编码方式，不然就会出现我们有时候看到的乱码

Unicode

Unicode为世界上所有字符都分配了一个唯一的数字编号，这个编号范围从 0x000000 到 0x10FFFF(十六进制)，有110多万，每个字符都有一个唯一的Unicode编号，这个编号一般写成16进制，在前面加上U+。例如：“马”的Unicode是U+9A6C。

Unicode出现的问题

Unicode 是一种规定，本身只规定了每个字符的数字编号是多少，并没有规定这个编号如何存储。

有的人会说了，那我可以直接把Unicode编号直接转换成二进制进行存储，是的，你可以，但是这个就需要人为的规定了，而Unicode并没有说这样弄，因为除了这种直接转换成二进制的方案外，还有其他方案，主要有UTF-8，UTF-16，UTF-32。（UTF-8、UTF-16、UTF-32……都是 Unicode编码 的一种实现。）

比如说汉字严的unicode编码为4E25,转化为二进制代码足足有15个比特位来保存，当然对于更大的字符，可以使用三个字节或者四个字节来保存。此时我们如何来区分unicode和ASCII？因为对于一个unicode我们可以将其看做两个，三个或者四个ASCII编码。我们此时如何区分呢？如果我们将全部的编码按照最大位数来进行编码，则对于ASCII的前面几个字节都是0，造成资源浪费。

UTF-8

UTF-8是Unicode的实现方案之一，是一种变长的编码方式，即可以表示的字节范围是：一个字节到四个字节。

UTF-8编码规范:

1. ASCII码使用一个字节表示，首位为0。比如说a的UTF-8的编码为01100001。对于英文字母，UTF-8编码和ASCII码相同。
2. 对于非ASCII编码使用多个字节来表示，并且第一位的(从左向右数)开头几个1，表示几个字节，并且剩余的字节都以10开头。
   举一个例子：严的Unicode是4E25(100111000100101)，4E25需要三个字节保存，所以开始位置为1110xxxx 10xxxxxx 10xxxxxx,然后从后往前开始，依次将100111000100101填入其中，所以最终严对应的UTF-8的值表示为：11100100 10111000 10100101，十六进制为：E4B8A5。

UTF8 占用字节

少数汉字(常用汉字)每个占用 3 个字节，多数占用 4 个字节。

• 占 1 字节: 数字，英文字母...
• 占 2 字节：〇
• 占 3 字节：基本等同于 GBK，含 21000 多个汉字
• 占 4 字的：中日韩超大字符集里面的汉字，有 5 万多个

字符编码笔记：ASCII，Unicode 和 UTF-8 http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html
Unicode与UTF-8的区别 https://blog.csdn.net/qq_36761831/article/details/82291166
utf-8 中的一个汉字占几个字节 https://blog.csdn.net/kodeyang/article/details/12885263
一文详解ASCII码,Unicode与utf-8 https://blog.csdn.net/qq_55752792/article/details/125603575