一、位/比特位

位/比特位，數(shù)據(jù)存儲的最小單位。每個二進(jìn)制數(shù)字0或者1就是1個位。

二、字節(jié)(Byte)

字節(jié)(Byte)是一種計量單位，表示數(shù)據(jù)量多少，它是計算機(jī)信息技術(shù)用于計量存儲容量的一種計量單位。

8個位構(gòu)成一個字節(jié)。即：1 byte (字節(jié))= 8 bit (位)；
1 B = 1 byte(字節(jié));
1 KB = 1024 B(字節(jié));
1 MB = 1024 KB;(2^10 B)
1 GB = 1024 MB;(2^20 B)
1 TB = 1024 GB;(2^30 B)

三、字符

字符是指計算機(jī)中使用的文字和符號，比如1、2、3、A、B、C、~！·#￥%……—* () ——+、等等。

a、A、中、+、*、の......均表示一個字符；
一般 utf-8 編碼下，一個漢字字符占用 3 個 字節(jié)；
一般 gbk 編碼下，一個漢字字符占用 2 個 字節(jié)；

四、“字節(jié)”與“字符”

它們完全不是一個維度的概念，所以兩者之間沒有“區(qū)別”這個說法。不同編碼里，字符和字節(jié)的對應(yīng)關(guān)系不同：

①ASCII碼中，一個英文字母(不分大小寫)占一個字節(jié)的空間，一個中文漢字占兩個字節(jié)的空間。一個二進(jìn)制數(shù)字序列，在計算機(jī)中作為一個數(shù)字單元，一般為8位二進(jìn)制數(shù)，換算為十進(jìn)制。最小值0，最大值255。

②UTF-8編碼中，一個英文字符等于一個字節(jié)，一個中文(含繁體)等于三個字節(jié)。

③Unicode編碼中，一個英文等于兩個字節(jié)，一個中文(含繁體)等于兩個字節(jié)。
符號：英文標(biāo)點占一個字節(jié)，中文標(biāo)點占兩個字節(jié)。舉例：英文句號“.”占1個字節(jié)的大小，中文句號“?！闭?個字節(jié)的大小。

④UTF-16編碼中，一個英文字母字符或一個漢字字符存儲都需要2個字節(jié)(Unicode擴(kuò)展區(qū)的一些漢字存儲需要4個字節(jié))。

⑤UTF-32編碼中，世界上任何字符的存儲都需要4個字節(jié)。

五、字符集

即各種各個字符的集合。也就是說漢字，字母(A、b、c)和符號(空格、引號..)會被收入標(biāo)準(zhǔn)中。

六、編碼

utf-8和Unicode實際上并不是同一個層次的概念。

規(guī)定每個“字符”分別用一個字節(jié)還是多個字節(jié)存儲，用哪些字節(jié)來存儲，這個規(guī)定就叫做“編碼”。(其實際是對字符集中進(jìn)行編碼，即：每個字符用二進(jìn)制在計算中表示存儲)；
通俗的說：編碼就是按照規(guī)則將字符翻譯成對應(yīng)的二進(jìn)制數(shù)，在計算器中運行存儲，用戶看的時候(比如瀏覽器)，再用對應(yīng)的編碼解析成用戶可看懂的。
1??美國ASCII碼
在計算機(jī)發(fā)明的時候，由于計算機(jī)只能表示二進(jìn)制的數(shù)據(jù)，美國為了交流通信方便，約定了一個編碼系統(tǒng)，就是ASCII碼，把a(bǔ)bc..xyz...ABC...XYZ...!@#...等字符分別和0,1,2,3,4......對應(yīng)，發(fā)現(xiàn)差不多剛好128個數(shù)，半個字節(jié)的長度，為了防止以后需要為新的符號編碼，于是干脆取一個字節(jié)，最高位置為0，后七位從0-127分別對每一個符號編碼。于是，計算機(jī)每次讀取一個字節(jié)，然后參照ASCII表把這些編碼翻譯成字符。
【標(biāo)準(zhǔn)ASCII字符集】
有96個打印字符，和32個控制字符組成。一共96+32=128個；
用7位二進(jìn)制數(shù)來對每1個字符進(jìn)行編碼；而由于7位還還不夠1個字節(jié)，而電腦的內(nèi)部常用字節(jié)來用處理，每個字節(jié)中多出來的最高位用0替代；
0 000 0000.........................0
0 111 1111..........................127；
從0----127，來表示128個ACSii編碼；

比如：
字符 'A'----------在計算器內(nèi)部用0100 0001 (65)來表示；
字符'a'-----------在計算器內(nèi)部用0 110 0001 (97)來表示；

注意：'10'在計算器內(nèi)部是沒有編碼的，因為它是字符串，而不是單個字符。可以分別對1,0字符編碼存儲；

【擴(kuò)展ASCii字符集】將標(biāo)準(zhǔn)的ASCii最高位1，得到十進(jìn)制代碼128---255（1 000 0000----1 111 1111）；所以字符集一共有0---255, 256個字符；

【gb2312字符集】所有漢字字符在計算機(jī)內(nèi)部采用2個字節(jié)來表示，每個字節(jié)的最高位規(guī)定為1【正好與標(biāo)準(zhǔn)ASCii字符(最高位是0)不重疊，并兼容】，不支持繁體字。所以，gb2312表示漢字的編碼為：129--255 (兩個字節(jié)，每個字節(jié)最高位是1)；小于127的字符，與ASCii編碼相同。

2??歐洲ISO
后來歐洲人發(fā)現(xiàn)很多符號(法語，德語)，ASCII沒辦法表示，于是他們約定了一套編碼，一個字節(jié)的長度，把最高位也用掉了。這套編碼叫ISO。和ASCII表類似，計算機(jī)也是每次只讀一個字節(jié)，然后按照ISO表，解碼出字符。

3??中國GBK
中國漢字有幾萬個，常用的有幾千個，沒有兩個字節(jié)無法表示。于是用了兩個字節(jié)來表示中文，整出一套GBK。同時兼容了ASCII編碼。gbk編碼規(guī)定，計算機(jī)不能在每次都只讀一個字節(jié)那么死板了，要先看看第一位是不是為0，要是為0的話，就當(dāng)作ASCII碼來讀入一個字節(jié)，不然的話就讀入兩個字節(jié)。

【gbk字符集】gb2312的擴(kuò)充，兼容gb2312，除了收錄gb2312所有的字符外，還收錄了其他不常見的漢字、繁體字等。gbk中字符是一個或兩個字節(jié)，單字節(jié)字符00--7F(0---127)這個區(qū)間和ASCII是一樣的；雙字節(jié)字符的第一個字節(jié)是在81--FE(129--254)之間。通過這個可以判斷是單字節(jié)還是雙字節(jié)，即：在gbk字符編碼，如果第一個字節(jié)是>128的，則再往后找一個字節(jié)，組成漢字；如果第一個字節(jié)<128，則表示的是一個單字節(jié)(此時和ASCII是一樣的)；

4??unicode
如此，各方交流很不方便。這個時候，unicode編碼就出現(xiàn)了。這套編碼表的編號從0一直算到了100多萬(三個字節(jié))。每一個區(qū)間都對應(yīng)著一種語言的編碼。目前幾乎收納了全世界大部分的字符。所有的字符都有唯一的編號，這就解決了解碼的沖突。但是，unicode沒有為編碼的二進(jìn)制傳輸和二進(jìn)制解碼做出規(guī)定。

計算機(jī)每次讀取三個字節(jié)，參照Unicode表解碼不行嗎？想法是好的，但是如果類似1號編碼這樣的小數(shù)據(jù)編號也要三個字節(jié)的話，即0x000001，這樣很浪費。于是，就出現(xiàn)了uft-8，utf-16，utf-32這些編碼方案。utf-16是用兩個字節(jié)來編碼所有的字符，utf-32則選擇用4個字節(jié)來編碼。下面只講一下utf-8這種解決方案，因為它用的最多，用得最多是因為在當(dāng)時它的方案最好，最節(jié)省資源。

【Unicode字符集】容納世界上所有語言字符和符號的集合(以及對應(yīng)的二進(jìn)制數(shù)字)
Unicode只是一個編碼規(guī)范，目前實際實現(xiàn)的unicode編碼只有三種：UTF-8，UCS-2和UTF-16，三種unicode字符集之間可以按照規(guī)范進(jìn)行轉(zhuǎn)換。

utf-8編碼：UTF-8(8-bit Unicode Transformation Format)是一種針對Unicode的可變長度字符編碼，也是一種前綴碼。它可以用來表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第一個字節(jié)仍與ASCII兼容，這使得原來處理ASCII字符的軟件無須或只須做少部分修改，即可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁及其他存儲或發(fā)送文字的應(yīng)用中，優(yōu)先采用的編碼。