关于字符编码

##关于字符编码

内容涉及：

1. UTF-8编码
2. UTF-16编码

你好

UTF8编码：E4 BD A0 E5 A5 BD

计算UTF-16编码得到：

UTF16编码: 4F 60

https://home.unicode.org/

Unicode，统一码、万国码、单一码，是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。早期的Unicode字符集(Unicode Character Set)使用2字节编码，即UCS-2。后来又出现了4字节编码，即UCS-4

UCS在计算机中的存储格式叫做UTF(Unicode Transformation Format)

UCS-2最直接的存储格式就是UTF-16了。UTF-16是完全对应于UCS-2的，即把UCS-2规定的字符直接保存下来。而根据字符序，又分为UTF-16LE (Little Endian)和UTF-16BE (Big Endian)。那如何判断某个文件使用的是UTF-16BE还是UTF-16LE呢？可以在文件头部添加BOM(Byte Order Mark)。由于UCS-2没有定义FFFE， 因此规定只要出现FFFE就是UTF-16LE，出现FEFF就是UTF-16BE

UTF-32就简单了，它用四个字节表示字符，这样就可以完全表示UCS-4，而无需像UTF-16那样使用复杂的算法。 与UTF-16类似，UTF-32也包括UTF-32、UTF-32LE、UTF-32BE三种编码，UTF-32使用的BOM就是FFFE0000(UTF-32LE)和0000FEFF(UTF-32BE)

实际计算机中存储的字符，多数在ASCII的范围内，不管使用UTF-16还是UTF-32都会造成很大的浪费

因此，又提出了用1～4个字节来表示的UTF-8，方式如下

可见，ASCII字符(0000-007F)只使用一个字节，避免了空间的浪费。而且UTF-8不再需要BOM字节了。另外，从表中可以看出，从首字节的取值范围就可以知道编码的字节数，这样大大简化了算法

话说，制定标准的这伙儿人呀，智商实在是高

待补充UTF-32编码

纸上得来终觉浅, 绝知此事要躬行。