從C\C++\開始學編程的兄弟們肯定對char這個基本類型有深刻的理解。什麽\0最為結束符，strlen和sizeof，字符串數組和char*的字符串，這部分基本上是學習C語言最先要面對的一個攔路虎。當然學習java、C#這些相對沒有歷史包袱的語言的時候，就不會感到這麽坑爹了。

實際上，對不起各位的是，char這個類型作為描述字符的載體，還有著其他的問題。我們在下面簡單說一些。（僅作為拋磚引玉，如果有什麽缺陷，希望大家不吝賜教）

1. 對於老美來說，char很完美。從char這個類型來說，在C\C++的標準中，它占用8位，也就是最多支持256個字符，除去一個結束符，最多也就支持255個。C\C++這群人在一開始的時候，255個足夠老美用了，就愉快的決定義了字符和一些制表符在char裏面的表現方式。這就是ASCII。這裏我多說一句，ASCII是一種編碼格式，他表示的是一個碼表（code set）在計算機裏面的表現方法。我們要區分清楚碼表和編碼這兩者的區別。
2. 對象形語系來說，char不夠用。當C\C++出海了之後，到了亞洲國家，人們就發現用char表示這麽多漢字，根本就是強人所難。所以當時主要是中國、日本、韓國，各自定義了自己的碼表和編碼，基本上都是用更多的char來表示更多的字。比如說“啊”，在GB2312中，就用0xB0（第一個字節） 0xA1（第二個字節）儲存。並且前0x00~0xFF與ASCII兼容。
3. 對於不同的拉丁語系來說，char也很蛋疼。對於有重音的拉丁語系，例如à，它就需要占用ASCII表中128--255的部分。那麽同樣的是char，同樣的值，對應不同的拉丁語碼表的時候，可能就會出現不同的結果。
4. 對於象形語系來說，更加蛋疼。比如中國的“啊”再GB2312下是0xB0、0xA1，那麽到了GBK下面，可能就是其他的字，因為GBK和GB2312的碼表和編碼都不一樣。

後來，大家發現了這個問題，對於一個程序，想要全球發布，就會面臨很大的問題。所以後來人們就發明了另外一種碼表-Unicode。顧名思義，Unicode是把世界上所有的字符，都包含進來的一個超級大的碼表。Unicode的基本思想就是，我的表裏面什麽都有，無論在任何語言的任何系統，只要支持Unicode，就能在表裏面找到想要的字符。當前Unicode使用的是UCS-2（16位的），可以容納65535個字符，基本上也夠用了。編碼方式有utf-16、utf-32、utf-8。因為utf-8對之前的一些字符串函數兼容性更好，所以現在廣泛使用的就是utf-8。

好了，到現在為止，我們一共提出了ASCII、亞洲的多字符編碼、Unicode三種大的編碼方式。那我們要怎麽選擇，以及他們相互之間要怎麽切換哪？等我有時間再說。

全球化編碼