ASCII到Unicode到UTF-8

1、很久以前使用的是ASCII；只有一个字节，也就是2的8次方，可以表示256个不同状态，电脑最初起源于美国，够用了，刚开始只是使用了127位，后来后面的部分被他们用来表示一些横线字符之类的128-255的扩展字符集。

2、后来传入中国，中国汉字太多了，ASCII不够用，中国人就不承认扩展字符集了，而是使用组合的方式把大于127的两个编码字符连在一起也就是两个ASCII编码合起来表示一个汉字（GBK标准）。再后来中国又不够用了，就在规定不需要表示汉字的两个字符都是属于扩展字符集的，只要第一个字符是大于127的就行，就说明他是汉字（GB18030标准）。----所以一个汉字是两个英文字符那么大。

 

半角全角之分：127位及之前的是半角，之后的是全角。

 

3、后来像中国这样子的国家太多了，大家一人一个标准，所以需要进行统一了，那就是使用国际化标准组织（ISO）规范的unicode编码。Unicode使用两个字节来表示一个字符。就算是半角的那些英文们也是一样的，虽然他们只需要使用的低八位（把他们的高八位填零了）。

 

4、再后来，不幸的是unicode也超了，所以人家的解决办法是使用两个unicode编码来表示一个。

Eg："\uD83D\uDE02\uD83D\uDE02\uD83D\uDE02".length()     // 6

这个字符串表示的是三个”笑哭“（博客园打不出来）的表情，但是却是使用了六个unicode代码单元.

 

那么utf-8（每次传输的时候传8位） 和utf-16（每次传输的时候传16位）呢？

 

这个是编码规则，从unicode到utf-8以及utf-16并不是一一对应，而是需要用一定的规则进行转换。因为很多英文文件，他们的高八位几乎是0，那他们的文件凭空被扩大了一倍甚至更多，那不是很吃亏。一个字符现如今使用unicode来表示，他们需要的是一个unicode代码单元或者是一对代码单元，因此他们就需要使用两个字节或者是四个字节。而utf-8是每次传输的时候传输8位，他们是对unicode字符集进行再编码，编码之后的将一个unicode码位编码为1到4个字节。如果是英文就只需要一个字节，如果是辅助字符需要四个字节特别需要注意的是中文现在在utf-8中是需要3个字节（如下图）。而在utf-16中需要4个字节。目前国际上使用最广的是utf-8.