编码格式

美国人首先使用电脑，他们用8个晶体管的开合来表示不同的状态，2的8次方有256种状态，后来被叫做了“字节”。美国人把0-127号状态表示为控制码、空格、标点、大小写字母，127号以后的空着，这种方案被称作ANSI的ASCII（American Standard Code for Information Interchange，美国信息互换标准代码）。

后来，其它国家也开始使用电脑，他们发现自己的语言在ASCII码中没有，计算机无法保存他们的语言。So sad！他们决定开发ASCII中127号状态后空着的状态位，加入了他们自己国家的字母、符号、下划线、竖线等等，一直到最后的255号，128-255这部分字符集被称为“扩展字符集”。256个位置被用完了。

再后来，第三世界开始使用电脑，电脑来到了中国，可怜的中国人发现电脑不能保存中文字符，而且已经没有空余的状态使用了，况且中文有6000多个字符，完全不够使用嘛。这难不倒聪明的中国人民，他们粗暴的把128-255这段看不懂的奇异字符给删了，规定一个小于127的字符的意义与原来的（美国人发明）相同，但是2个大于127的字符连在一起（前面高字节，后面低字节）就表示一个汉字，这样就可以组合出7000多个简体汉字了，而且还把数学字符、希腊字母、日文假名都编了进去，甚至还把ASCII中0-127号已经有了的也重新编了一个2个字节的版本（0-127的叫半角字符，2个字节的叫全角字符）。这种方案被命名为“GB2312”，GB2312是对ASCII的中文扩展。

可是中国的汉字实在是太多了，很多人发现自己的名字在电脑中打不出来，于是，中国人干脆就规定，只要一个字节是大于127的，就表示这是一个汉字的开始，不在要求低字节也要大于127了。扩展之后的编码方式呗命名为“GBK”，GBK包括了GB2312的所有内容，同时又增加了20000个汉字（包括了繁体字）和字符。

再后来少数名族的同志也哟用电脑了，怎么办？继续扩展吧，有增加了几千个少数名族的汉字，这个编码被称为“GB18030”。从此中华名族优秀的文化就可以在电脑中传承了。

从GB2312-GBK-GB18030，最大的特点就是2个字节的汉字和1个字节的英文字符并存在一套编码里。那时的程序员必须小心翼翼的处理每个字节的值，以确定它表示的是英文还是汉字。

中国人这么聪明，其它国家也不差，他们都像中国一样搞出了一套自己的编码标准，结果就是谁也不认识谁。连台湾兄弟也发明了BIG5编码，同样说着中文的大陆和台湾，在电脑上却谁也不认识谁。

再后来一个ISO国际组织看不下去了，决定站出来解决这个问题。他们的方案是废除所有地区自己编的山寨编码，创建一个包含地球上所有文字、字符的编码，他们叫它“Unicode”。

Unicode的工作就是为字符配一个神奇的数字。

编码规则：将字符转换为字节序列的规则。

以上ASCII、GB2312、GBK、BIG5等都是字符集，对应的也是一种编码规则。而Unicode是一种字符集，它有很多编码规则：UTF-8、UTF-16等。

Unicode就像一个字符池，用一个非负整数唯一标记了每个字符。UTF8等编码方式就是用1-4个字节标识这个非负整数。