帮你搞清ASCII、Unicode和UTF-8区别，拿走不谢

首先说一下背景：由于计算机是美国人发明的，因此最早只有127个字母被编码到计算机中，也就是大小写英文字母、数字和一些符号，这个编码表称为ASCII编码。

例如：大写字母A的编码是65，小写字母z的编码时122。

要处理中文，显然一个字节是不够的，至少需要两个字节，且不能和ASCII编码冲突，所以我国制定了GB2312编码，用于把中文编进去。

可以想象，全世界上有上百种语言，日本把日文编写到Shift_JIS里，韩国把韩文编写到Euc-kr里，各国有各国的标准，就不可避免出现冲突，结果就是，在多语言混合的文本中就会显示乱码。

---

在此背景下，Unicode应运而生，Unicode把所有语言都统一到一套编码里，这样就不会有乱码问题了。

Unicode标准在不断发展，最常用的是用两个字节表示一个字符（如果要用到非常生僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。

下面看看ASCII编码和Unicode编码的区别：ASCII编码时1个字节，二Unicode编码通常是两个字节。

字母A用ASCII编码是十进制的65，二进制的01000001。

字符0用ASCII编码是十进制的48，二进制的00110000。

注意字符0和整数0是不同的。

汉字“中”已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

如果把ASCII编码的A用Unicode编码，只需要在前面补0就可，因此A的Unicode编码是00000000 01000001。

那么新的问题就出现了：如果统一成Unicode编码，乱码问题从此消失了，但是写的文本基本上全部是英文时，用Unicode编码比ASCII编码多一倍存储空间，在存储和传输上十分不划算。

本着节约的精神，又出现了把Unicode编码转化成为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1~6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4~6个字节。如果你要传输的文本包含大量英文字母，用UTF-8编码就会节省空间。

各编码方式的比较

由上表可知，UTF-8编码有一个额外的好处，就是ASCII编码实际上可看成是UTF-8编码的一部分，所以只支持ASCII编码的大量历史遗留软件可在UTF-8编码下继续使用。

---

搞清楚ASCII、Unicode和UTF-8的关系后，可总结一下现在计算机系统通用的字符编码工作方式：在计算机内存中，统一使用Unicode编码，当需要保持到硬盘或需要传输时，可转换为UTF-8编码。

例如，用记事本编辑时，从文件读取的UTF-8字符转换为Unicode字符到内存；编辑完成后，保持时再把Unicode转换为UTF-8保持到文件。

浏览网页时，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器，如下图所示：

我们经常看到很多网页的源码上有类似<meta charset=’UTF-8’/>的信息，表示该网页用的是UTF-8编码。