1. ASCII码 #

每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节(byte)

每一个状态对应一个符号，就是256个符号，从0000000到11111111

上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为ASCII码

ASCII码一共规定了128个字符的编码，比如空格是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的1位统一规定为0

2. Unicode #

世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号

因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码

有一种编码，将世界上所有的符号都纳入其中。每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。这就是Unicode，就像它的名字都表示的，这是一种所有符号的编码

Unicode当然是一个很大的集合，现在的规模可以容纳100多万个符号

3. UTF-8 #

Unicode只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储

UTF-8就是在互联网上使用最广的一种Unicode的实现方式

UTF-8是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度

3.1 UTF-8的编码规则 #

1. 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 2.
2. 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

3.2 unicode转utf8 #

已知"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

3.3 unicode转utf8 #

//11100100 10111000 10100101
console.log(parseInt('11100100',2).toString(16),
parseInt('10111000',2).toString(16),
parseInt('10100101',2).toString(16));
//e4 b8 a5

5.引伸阅读 #

• 计算机字符编码
• 字符编码笔记：ASCII，Unicode和UTF-8
• unicode编码表