计算机字符编码
目录基础知识ASCII码UnicodeUnicode的问题utf8GB2312是什么
基础知识
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。
通俗的说，按照何种规则将字符存储在计算机中，如'a'用什么表示，称为"编码"；反之，将存储在计算机中的二进制数解析显示出来，
称为"解码"，如同密码学中的加密和解密。在解码过程中，如果使用了错误的解码规则，则导致'a'解析成'b'或者乱码
字符集（Charset）：
是一个系统支持的所有抽象字符的集合。字符是各种文字和符号的总称，包括各国家文字、标点符号、图形符号、数字等。
这里的系统可以理解为一个文字系统
字符编码（Character Encoding）：
规定了怎样的二进制数标识什么字符：例如ascii字符集中把字符a编码为97
常见字符集名称：
ASCII字符集、GB2312字符集、BIG5字符集、GB18030字符集、Unicode字符集
ASCII码
C英文字符对应的编码就是ascii码
Unicode
Unicode意为统一码万国码，想要将所有的码都用唯一字符表示出来
Unicode的问题
unicode规定了符号的二进制代码，比如说unicode是包含着ascii字符集，
a仍是97编码，但是，整个字符集包含了100多万的字符，所以用何种方式来储存unicode编码就成了问题
如果统一3字节储存，2^24=1600万大抵是够了
那么英文用户第一个不乐意，平时一个字节就能存完但是用了unicode就要翻三倍，所以变长的字符存储方式出现了
utf8
utf8实际上是一种用变长的编码表示unicode字符集的方案
具体的编码方式很简单，只有两条
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；
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。
下面，还是以汉字严为例，演示如何实现 UTF-8 编码。
严的 Unicode 是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800 - 0000 FFFF），
因此严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严的最后一个二进制位开始，
依次从后向前填入格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5。
GB2312是什么
为了显示中文字符GB2312规定如果一个字节的数据小于127，那么就是ascii码，和原来的意思相同
但如果>127就是两个字节相连形成的gb2312中规定的中文字符
前面的一个字节（称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE
这样能够凑出7000多个汉字在这些编码里，还把数学符号、罗马希腊的 字母、日文的假名们都编进去了，
连在ASCII里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的"全角"字符，
而原来在127号以下的那些就叫"半角"字符了。