编码方式知识整理【ASCII、Unicode和UTF-8】

计算机中对数据的存储为二进制形式，但采用什么样的编码方式存储，效率更高。主要编码方式有 ASCII、Unicode、UTF-8等。

英文一般为1个字节，汉字一般为3个字节。

一、ASCII编码

即美国信息交换码，其把数字，英文字母和常用的控制类字符，映射到0-127的数值空间，每个ASCII编码占一个字节【8bits/1byte】。
最高位为0，其他7位为编码位，即2的7次方。
如大写A 对应的ASCII为65，小写的a为97，如下图所示（来源网络）

若是对 字符串hello 进行ASCII码转换为二进制，即拆分对应的单词，如 h 先转换为ASCII码值，104，再对应为二进制值 0110 1000，如下图所示。

二、Unicode 编码

由Unicode字符集和多套代码规则组成，每个字符均对应一个代码点，可表示65536个字符。
字素是最小的有意义的书写单位。
适用于中文、表情包等，1字素 != 1代码点 !=1字节

三、UTF-8编码

其变长编码，对于英文字符，用1个字节表示，对非英文字符，用2-4个字节表示，兼容ASCII编码。UTF-16编码，为变长编码。
UTF-8编码方式 二进制表示，开头1的位数，表示占用的字节数，如下图是所示。

四、GB2312编码

在实际项目开发中，对数据集请求进行编码和解码，其保持一致才能不出现乱码。
GB2312编码要求 高位和低位都要大于127，其可存储6763个汉字。

字符集
使用字符集，其采用分区管理方式，设计94个区，每个区有94个位，共8836个码位。
01-09区 收录除汉字外的682个字符；
10-15区位空白区，没有使用；
16-55区 收录3755个一级汉字，按拼音排序；
56-89区 收录3008个二级汉字，按部首/笔画排序；
88-94区 为空白区，没有使用。

五、GBK编码

对GB2312编码方式扩充，不再要求低位大于127，新增近2W个汉字和符号