从ASCII到Unicode的发展故事
- ASCII是最早的编码方式，由于计算机起源于美国，ASCII只支持英文和数字，以及一些用于程序的控制符
- 等到计算机传播到其它国家时，由于ASCII无法表示其它国家的字符，各国便纷纷推出了自己的字符集。比如中国就推出了包含了汉子字符的GB2312字符集。这些编码的靠前部分，一般都和ASCII是一致的，但后面的部分，不同编码却是不一样的
- 每个国家都使用自己的字符集，这样就很难实现国际化，因为一个国家的字符，到了另外一个国家可能就无法识别，或者被识别为其它的字符。为了统一各国的字符集，于是Unicode便出现了，它包含了所有国家的字符，以满足跨语言、跨平台的需求
- Unicode仅仅是字符集，规定字符对应的数字编号是多少，每个字符占2-4个字节，不包含编码方案。由于这些编号大小不一，较小数值2个字节就可以存储，较大的数值需要4个字节才能存储，如何去存储和识别这些这些字符编码，就构成了不同的编码方案，UTF8，UTF16，UTF32等，都是Unicode的编码方案
常见字符编码简介
- ASCII，美国信息交换标准代码，基于拉丁字母的字符编码系统，一个字符占8位（单字节），总共只有128个字符，只包含字母，数字，常用符号和控制字符。虽然只能表示英文和数字，但是在一些和用户交互较少的领域，比如硬件开发，仍然用得比较频繁，因为这些领域本来就不需要中文，单字节可以节省字节空间，提高运算效率
- Unicode，统一码、万国码，包含了所有语言的字符集，以满足跨语言、跨平台的需求，最多可用32位（4字节）来表示字符
- UTF8，通用字符集传输格式，Unicode的一种编码实现，具体规则看下一节说明
- GB2312，国标码，早期的汉字字符集，属于国家标准，但只包含了常用的汉字字符
- GBK，国标扩展码，在GB2312基础上进一步扩充，包含了所有的汉字字符，但只是一种已被认可的技术规范，尚未被定为国家标准
- BIG5，大五码，繁体中文字符集
- Latin1，ISO-8859-1的别名，西欧字符集，用8位单字节来表示字符，利用了ASCII的首位，因此可以表示更多的字符
- ANSI，国家标准码，各国自制的字符集标准统称ANSI，ANSI不是某一种具体的编码，多用于泛指计算机操作系统所使用的本地字符集
UTF8编码规则
- 对于较短的单字节字符，比如英文字母，字节的第一位存0，后7位存储ASCII码
- 对于多字节字符，如果字符是n字节的，那么第一个字节的前n位设1，第n+1位设0，其它字节开头均设为10，其余空位均用来存储Unicode字符码。比如一个三进制的Unicode字符会表示为：1110xxxx 10xxxxxx 10xxxxxx
