作者:拉丁吳

UTF-8和unicode到底有什麼區别？是存儲方式不同？編碼方式不同？它們看起來似乎很相似，但是實際上他們并不是同一個層次的概念

要想先講清楚他們的區别，首相應該講講Unicode的來由。

• 衆所周知，在盤古開天辟地之前,sorry ,走錯片場了(⊙o⊙)…在計算機發明的時候 ,由于計算機你隻能表示二進制的數據，美帝人民為了交流通信方便，約定了一個編碼系統，就是ASCII碼，把abc..xyz...ABC...XYZ...!@#...等字符分别和0,1,2,3,4......對應，發現差不多剛好128個數，半個字節的長度，為了防止以後需要為新的符号編碼，于是幹脆取一個字節，最高位置為0。後七位從0-127分别對每一個符号編碼。
• 于是，計算機每次讀取一個字節，然後參照ASCII表把這些編碼翻譯成字符。美國人民很高興，拿着自己玩去了.......
• 後來歐洲人也玩計算機，發現不行啊，還有很多符号（法語，德語）ASCII沒辦法表示啊，于是歐洲人自己也撸了一套編碼，一個字節的長度，把最高位也用掉了。這套編碼叫ISO。
• 和ASCII表類似，計算機也是每次隻讀一個字節，然後按照ISO表，解碼出字符。于是歐洲人民也很高興。
• 中國人不高興了，特麼我們漢字有幾萬個，常用的就有幾千個，沒有兩個字節根本交不了貨。于是勤勞勇敢的中國人民就破天荒的用了兩個字節來表示中文。整出一套gbk。為了現實我中華民族兼容并蓄，我們兼容了ASCII編碼。
• gbk編碼規定，計算機不能在每次都隻讀一個字節那麼死闆了，你要先看看第一位是不是為0，要是為0 的話，就當作ASCII碼來讀入一個字節，不然的話就讀入兩個字節。

于是天下就很亂了，歐洲人看不懂我們發過去的信息，我們也看不懂他們的東西，美國人看不懂我的東西，不過我們能看懂他們的信息。哈哈。

總之，天下大亂，群雄并起，百姓生靈塗........

這個時候，就有個國際組織站出來了，說，這麼着吧，我來撸一套編碼，把大家的編碼都歸納進來。于是unicode編碼就出現了。這套編碼表的編号從0一直算到了100多萬（三個字節）。每一個區間都對應着一種語言的編碼。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号，這就解決了解碼的沖突，于是天下大定！但是，unicode把大家都歸納進來，卻沒有為編碼的二進制傳輸和二進制解碼做出規定。隻留下一句：大哥隻能幫你到這裡了。

我知道你一定在想，要個毛的規定啊，每次讓計算機讀取三個字節然後參照Unicode表解碼就好了。想法是好的，但是如果如果類似與1号編碼這樣的小數據編号也要三個字節的話，那麼也就是0x000001,這簡直就是浪費啊，明明一個字節就可以表示了，你非得整三個，幾個意思啊？

不管怎麼樣，大哥雖然走了，但是問題還得解決啊，于是，就出現了如下解決方案：uft-8，utf-16，utf-32這些編碼方案。utf-16是用兩個字節來編碼所有的字符，utf-32則選擇用4個字節來編碼。下面隻講一下utf-8這種解決方案，因為它用的最多，用得最多是因為在當時它的方案最好，最節省資源。

utf-8.png

• 我知道你想說，明明看起來utf-16更加節省資源，節省空間，正常人都看得出來。但實際上，當時，互聯網上絕大部分存在的資源都是英文的，英文在utf-16中也是2個字節，而在utf-8中則是1個字節。在當時，顯然是utf-8更加節省資源。現在我們在中文世界裡來比較他們，則是utf-16更加節省資源。

OK，關于unicode和utf-8的區别已經解釋完畢了。下面用一個圖來鞏固一下那些區别

Unicode與uft-8的結構關系.png

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部