字符编码

字符编码

介绍

计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二进制数转换之后的结果。它们是根据指定的编码映射表查找出对应的字符来显示的。最早的编码表示美国制定的ASCII码，由于英文字符比较少，用一个字节就完全可以表示出来了，所以ASCII编码中，一个字符是占一个字节的。

字节

一个字节为8位(为什么是8位和当时硬件处理器发展有关，不是重点)
0101 1010

常用的编码

ASCII码

ASCII(美国信息交换标准代码)使美国制定的适用于使用英文字符的国家，ASCII
码一共规定了128个字符的编码，比如空格"SPACE"是32（二进制00100000），
大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的
控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0。

ASCII码每个字符只占一个字节，仅适用于英文字符国家使用的编码

ASCII不能解决的问题

由于其它有些国家，它们国家的字符集远超过256个，所以只使用一个字节是无法表示的，需要使用多个字节来表示，因此出现了Unicode编码思想，Unicode的想法是把全世界所有的字符集都包含在内，但是这又产生了个问题，需要注意的是，Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储。

UTF-8编码

互联网的普及，强烈要求出现一种统一的编码方式。UTF-8就是在互联网上使用最广的一种Unicode的实现方式。

注意:UTF-8是Unicode的实现方式之一

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表
示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。
因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后
面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

备注

UTF-8已经成为国际事实上的标准了，所以开始时推荐统一使用UTF-8编码。

总结

尤其在做web开发时，字符编码问题是比较常遇到的问题，通常分析编码和解码是否使用同一种编码格式。推荐统一使用UTF-8编码和解码。但是在http请求时URL使用的是ASCII码编码的，如果有特殊符号是会经过转码的。

参考

http://www.cnblogs.com/greatverve/archive/2011/12/12/URL-Encoding-Decoding.html

http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html