首先說一下背景：由于計(jì)算機(jī)是美國人發(fā)明的，因此最早只有127個(gè)字母被編碼到計(jì)算機(jī)中，也就是大小寫英文字母、數(shù)字和一些符號(hào)，這個(gè)編碼表稱為ASCII編碼。
例如：大寫字母A的編碼是65，小寫字母z的編碼時(shí)122。
要處理中文，顯然一個(gè)字節(jié)是不夠的，至少需要兩個(gè)字節(jié)，且不能和ASCII編碼沖突，所以我國制定了GB2312編碼，用于把中文編進(jìn)去。
可以想象，全世界上有上百種語言，日本把日文編寫到Shift_JIS里，韓國把韓文編寫到Euc-kr里，各國有各國的標(biāo)準(zhǔn)，就不可避免出現(xiàn)沖突，結(jié)果就是，在多語言混合的文本中就會(huì)顯示亂碼。
在此背景下，Unicode應(yīng)運(yùn)而生，Unicode把所有語言都統(tǒng)一到一套編碼里，這樣就不會(huì)有亂碼問題了。
Unicode標(biāo)準(zhǔn)在不斷發(fā)展，最常用的是用兩個(gè)字節(jié)表示一個(gè)字符（如果要用到非常生僻的字符，就需要4個(gè)字節(jié)）。現(xiàn)代操作系統(tǒng)和大多數(shù)編程語言都直接支持Unicode。
下面看看ASCII編碼和Unicode編碼的區(qū)別：ASCII編碼時(shí)1個(gè)字節(jié)，二Unicode編碼通常是兩個(gè)字節(jié)。
字母A用ASCII編碼是十進(jìn)制的65，二進(jìn)制的01000001。
字符0用ASCII編碼是十進(jìn)制的48，二進(jìn)制的00110000。
注意字符0和整數(shù)0是不同的。
漢字“中”已經(jīng)超出了ASCII編碼的范圍，用Unicode編碼是十進(jìn)制的20013，二進(jìn)制的01001110 00101101。
如果把ASCII編碼的A用Unicode編碼，只需要在前面補(bǔ)0就可，因此A的Unicode編碼是00000000 01000001。
那么新的問題就出現(xiàn)了：如果統(tǒng)一成Unicode編碼，亂碼問題從此消失了，但是寫的文本基本上全部是英文時(shí)，用Unicode編碼比ASCII編碼多一倍存儲(chǔ)空間，在存儲(chǔ)和傳輸上十分不劃算。
本著節(jié)約的精神，又出現(xiàn)了把Unicode編碼轉(zhuǎn)化成為“可變長編碼”的UTF-8編碼。UTF-8編碼把一個(gè)Unicode字符根據(jù)不同的數(shù)字大小編碼成1~6個(gè)字節(jié)，常用的英文字母被編碼成1個(gè)字節(jié)，漢字通常是3個(gè)字節(jié)，只有很生僻的字符才會(huì)被編碼成4~6個(gè)字節(jié)。如果你要傳輸?shù)奈谋景罅坑⑽淖帜福肬TF-8編碼就會(huì)節(jié)省空間。
各編碼方式的比較
由上表可知，UTF-8編碼有一個(gè)額外的好處，就是ASCII編碼實(shí)際上可看成是UTF-8編碼的一部分，所以只支持ASCII編碼的大量歷史遺留軟件可在UTF-8編碼下繼續(xù)使用。
搞清楚ASCII、Unicode和UTF-8的關(guān)系后，可總結(jié)一下現(xiàn)在計(jì)算機(jī)系統(tǒng)通用的字符編碼工作方式：在計(jì)算機(jī)內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保持到硬盤或需要傳輸時(shí)，可轉(zhuǎn)換為UTF-8編碼。
例如，用記事本編輯時(shí)，從文件讀取的UTF-8字符轉(zhuǎn)換為Unicode字符到內(nèi)存；編輯完成后，保持時(shí)再把Unicode轉(zhuǎn)換為UTF-8保持到文件。
瀏覽網(wǎng)頁時(shí)，服務(wù)器會(huì)把動(dòng)態(tài)生成的Unicode內(nèi)容轉(zhuǎn)換為UTF-8再傳輸?shù)綖g覽器，如下圖所示：
我們經(jīng)常看到很多網(wǎng)頁的源碼上有類似<meta charset=’UTF-8’/>的信息，表示該網(wǎng)頁用的是UTF-8編碼。
