前言

開發(fā)的過程中經(jīng)常要對文本進(jìn)行編碼之后再傳給服務(wù)器，比如說上傳表情到服務(wù)器，這個(gè)時(shí)候經(jīng)常會用到什么UTF-8編碼，有的人又說什么Unicode編碼，這兩者都是什么之前一直似懂非懂，自作主張的人為是兩種不同的字符編碼方式。經(jīng)過一系列百度之后對這個(gè)問題有個(gè)更成熟的理解，在此做個(gè)筆記。

首先Unicode是一個(gè)字符集，很牛，它包含世界上所有的字符，每個(gè)字符對應(yīng)一個(gè)二進(jìn)制編碼，用兩個(gè)字節(jié)保存。這樣的話所有國家的所有字符都可以在網(wǎng)絡(luò)上自由的傳輸，但是這樣做有個(gè)問題就是本來英文字母A，用ASCII編碼是十進(jìn)制的65，二進(jìn)制的01000001，一個(gè)字節(jié)就可以保存，如果按照Unicode的標(biāo)準(zhǔn)需要兩個(gè)字節(jié)保存，白白浪費(fèi)了一個(gè)字節(jié)，這樣肯定不好，如果我是美國人也不想要這樣的結(jié)局，所以就通過人們的智慧就出現(xiàn)了UTF-8。

UTF-8編碼把一個(gè)Unicode字符根據(jù)不同的數(shù)字大小編碼成1-6個(gè)字節(jié)，常用的英文字母被編碼成1個(gè)字節(jié)，漢字通常是3個(gè)字節(jié)，只有很生僻的字符才會被編碼成4-6個(gè)字節(jié)。那么通過UTF-8編碼之后字母A只需要一個(gè)字節(jié)就可以了，這樣美國人就比較開心了，但中國人又不太開心，因?yàn)闈h字通過UTF-8編碼之后通常需要三個(gè)字節(jié)，多花了一個(gè)字節(jié)，這個(gè)時(shí)候相比中國自己的GB2312編碼方式顯得不是很厚道，但為了世界統(tǒng)一，UTF-8的出現(xiàn)利大于弊，如果每個(gè)國家都按照自己的方式來，互聯(lián)網(wǎng)就亂了。UTF-8編碼有一個(gè)額外的好處，就是ASCII編碼實(shí)際上可以被看成是UTF-8編碼的一部分，所以，大量只支持ASCII編碼的歷史遺留軟件可以在UTF-8編碼下繼續(xù)工作。

UTF-8編碼規(guī)則

1. 單字節(jié)的字符，字節(jié)的第一位設(shè)為0，對于英語文本，UTF-8碼只占用一個(gè)字節(jié)，和ASCII碼完全相同；

2. n個(gè)字節(jié)的字符(n>1)，第一個(gè)字節(jié)的前n位設(shè)為1，第n+1位設(shè)為0，后面字節(jié)的前兩位都設(shè)為10，這n個(gè)字節(jié)的其余空位填充該字符unicode碼，高位用0補(bǔ)足。

這樣就形成了如下的UTF-8標(biāo)記位：

0xxxxxxx

110xxxxx 10xxxxxx

1110xxxx 10xxxxxx 10xxxxxx

11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

總結(jié)

在計(jì)算機(jī)內(nèi)存中，統(tǒng)一使用Unicode編碼，當(dāng)需要保存到硬盤或者需要傳輸?shù)臅r(shí)候，就轉(zhuǎn)換為UTF-8編碼。所以UTF-8的出現(xiàn)是為了更好的存儲和網(wǎng)絡(luò)傳輸，如果傳輸?shù)膬?nèi)容多為字母，那么這種方式將會節(jié)約不少流量，就醬。