1.ascii
我們知道，計算機內部，所有資訊最終都是乙個二進位制值。每乙個二進位制位（bit）有0和1兩種狀態，因此八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組（byte）。也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個狀態對應乙個符號，就是256個符號，從00000000到11111111。
上個世紀60年代，美國制定了一套字元編碼，對英語字元與二進位制位之間的關係，做了統一規定。這被稱為 ascii 碼，一直沿用至今。
ascii 碼一共規定了128個字元的編碼，比如空格space是32（二進位制00100000），大寫的字母a是65（二進位制01000001）。這128個符號（包括32個不能列印出來的控制符號），只占用了乙個位元組的後面7位，最前面的一位統一規定為0。
2.非ascii編碼
英語用128個符號編碼就夠了，但是用來表示其他語言，128個符號是不夠的。比如，在法語中，字母上方有注音符號，它就無法用 ascii 碼表示。於是，一些歐洲國家就決定，利用位元組中閒置的最高位編入新的符號。比如，法語中的é的編碼為130（二進位制10000010）。這樣一來，這些歐洲國家使用的編碼體系，可以表示最多256個符號。
但是，這裡又出現了新的問題。不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。比如，130在法語編碼中代表了é，在希伯來語編碼中卻代表了字母gimel (ג)，在俄語編碼中又會代表另乙個符號。但是不管怎樣，所有這些編碼方式中，0--127表示的符號是一樣的，不一樣的只是128--255的這一段。
至於亞洲國家的文字，使用的符號就更多了，漢字就多達10萬左右。乙個位元組只能表示256種符號，肯定是不夠的，就必須使用多個位元組表達乙個符號。比如，簡體中文常見的編碼方式是 gb2312，使用兩個位元組表示乙個漢字，所以理論上最多可以表示 256 x 256 = 65536 個符號
3.unicode
正如上一節所說，世界上存在著多種編碼方式，同乙個二進位制數字可以被解釋成不同的符號。因此，要想開啟乙個文字檔案，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。為什麼電子郵件常常出現亂碼？就是因為發信人和收信人使用的編碼方式不一樣。
可以想象，如果有一種編碼，將世界上所有的符號都納入其中。每乙個符號都給予乙個獨一無二的編碼，那麼亂碼問題就會消失。這就是 unicode，就像它的名字都表示的，這是一種所有符號的編碼。
unicode 當然是乙個很大的集合，現在的規模可以容納100多萬個符號。每個符號的編碼都不一樣，比如，u+0639表示阿拉伯字母ain，u+0041表示英語的大寫字母a，u+4e25表示漢字嚴。具體的符號對應表，可以查詢unicode.org，或者專門的漢字對應表。
unicode的問題
需要注意的是，unicode 只是乙個符號集，它只規定了符號的二進位制**，卻沒有規定這個二進位制**應該如何儲存。
比如，漢字嚴的 unicode 是十六進製制數4e25，轉換成二進位制數足足有15位（100111000100101），也就是說，這個符號的表示至少需要2個位元組。表示其他更大的符號，可能需要3個位元組或者4個位元組，甚至更多。
這裡就有兩個嚴重的問題，第乙個問題是，如何才能區別 unicode 和 ascii ？計算機怎麼知道三個位元組表示乙個符號，而不是分別表示三個符號呢？第二個問題是，我們已經知道，英文本母只用乙個位元組表示就夠了，如果 unicode 統一規定，每個符號用三個或四個位元組表示，那麼每個英文本母前都必然有二到三個位元組是0，這對於儲存來說是極大的浪費，文字檔案的大小會因此大出二三倍，這是無法接受的
它們造成的結果是：1）出現了 unicode 的多種儲存方式，也就是說有許多種不同的二進位制格式，可以用來表示 unicode。2）unicode 在很長一段時間內無法推廣，直到網際網路的出現。
4.utf-8
網際網路的普及，強烈要求出現一種統一的編碼方式。utf-8 就是在網際網路上使用最廣的一種 unicode 的實現方式。其他實現方式還包括 utf-16（字元用兩個位元組或四個位元組表示）和 utf-32（字元用四個位元組表示），不過在網際網路上基本不用。重複一遍，這裡的關係是，utf-8 是 unicode 的實現方式之一。
utf-8 最大的乙個特點，就是它是一種變長的編碼方式。它可以使用1~4個位元組表示乙個符號，根據不同的符號而變化位元組長度。
utf-8 的編碼規則很簡單，只有二條：
1）對於單位元組的符號，位元組的第一位設為0，後面7位為這個符號的 unicode 碼。因此對於英語字母，utf-8 編碼和 ascii 碼是相同的。
2）對於n位元組的符號（n > 1），第乙個位元組的前n位都設為1，第n + 1位設為0，後面位元組的前兩位一律設為10。剩下的沒有提及的二進位制位，全部為這個符號的 unicode 碼。
下表總結了編碼規則，字母x表示可用編碼的位。
根據上表，解讀 utf-8 編碼非常簡單。如果乙個位元組的第一位是0，則這個位元組單獨就是乙個字元；如果第一位是1，則連續有多少個1，就表示當前字元占用多少個位元組。
下面，還是以漢字嚴為例，演示如何實現 utf-8 編碼。
嚴的 unicode 是4e25（100111000100101），根據上表，可以發現4e25處在第三行的範圍內（0000 0800 - 0000 ffff），因此嚴的 utf-8 編碼需要三個位元組，即格式是1110***x 10****** 10******。然後，從嚴的最後乙個二進位制位開始，依次從後向前填入格式中的x，多出的位補0。這樣就得到了，嚴的 utf-8 編碼是11100100 10111000 10100101，轉換成十六進製制就是e4b8a5
5.例項
下面，舉乙個例項。
開啟"記事本"程式notepad.exe，新建乙個文字檔案，內容就是乙個嚴字，依次採用ansi，unicode，unicode big endian和utf-8編碼方式儲存。
然後，用文字編輯軟體ultraedit 中的"十六進製制功能"，觀察該檔案的內部編碼方式。
1）ansi：檔案的編碼就是兩個位元組d1 cf，這正是嚴的 gb2312 編碼，這也暗示 gb2312 是採用大頭方式儲存的。
2）unicode：編碼是四個位元組ff fe 25 4e，其中ff fe表明是小頭方式儲存，真正的編碼是4e25。
3）unicode big endian：編碼是四個位元組fe ff 4e 25，其中fe ff表明是大頭方式儲存。
4）utf-8：編碼是六個位元組ef bb bf e4 b8 a5，前三個位元組ef bb bf表示這是utf-8編碼，後三個e4b8a5就是嚴的具體編碼，它的儲存順序與編碼順序是一致的。
計算機基礎 常用編碼格式
美國資訊交換標準 american standard code for information interchange，ascii 是基於拉丁字母的一套計算機編碼系統，主要用於顯示現代英語和其他西歐語言。ascii 是現今最通用的單位元組編碼系統，並等同於國際標準 iso iec 646。乙個英文本...
計算機編碼 編碼
原碼 a.規則 最高位為符號位，0為正數，1為負數，剩餘位表示資料 b.例 95 原 0101 1111 原 77 原 11001101 原 c.特點 區分正負零 缺陷 0 原 0000 0000 0 原 1000 0000 原碼可能出錯 1 原 1 原 1000 0010 原 2 d d.範圍 8...
計算機編碼
來自 阮一峰 一下對自己有用的精簡部分 1.ascii碼 在計算機內部，所有的資訊最終都表示為乙個二進位制的字串。每乙個二進位制位有0和1兩種狀態，因此八個二進位制位就可以組合出256種狀態，這被稱為乙個位元組 byte 也就是說，乙個位元組一共可以用來表示256種不同的狀態，每乙個狀態對應乙個符號...