在開發的過程中，在處理字串輸入輸出的時候，經常會碰到亂碼的問題。通常的解決方案，在百度或google上查一下，很快就能把問題解決了。對於其原理，並沒有深究。這次，嘗試著把編碼問題理解清楚。

編碼檔案常見的一些詞語有unicode，utf-8，gb2312，ASCII等，這些詞語就是是什麼含義，他們之間又有什麼關係呢？

這需要從計算的發展開始說。

美國人發明了計算機。因為計算機只能處理數字，而人類的自然語言是字元，所以，需要設計一種方案，讓計算機能夠處理字元，於是就出現了編碼。編碼，即約定字元與特定資料的對應關係。例如約定0表示a，1表示b，2表示c，3表示d等等等等，當然，這裡只是舉個栗子，實際計算機中abcd的編碼並不是1234哦。

計算以位元組為基本單位，一個位元組有8位，8位能夠表示256個不同值，也就能編碼256個不同的字元。這對於英語來說，夠用了。英語主要是26個小寫字母，26個大寫字母，再加上9個數字，還有一些括號等號分號等符號，總數也不會超過256，所以，美國人發明了一套編碼規範，在這套規範裡，用一個位元組來對所有字元進行編碼，這套編碼稱為ASCII編碼。

後來計算機技術傳遍了世界。在漢語中，漢字的個數可是遠超256個，使用一個位元組肯定無法編碼所有漢字了。所以就需要更多的位元組，才能編碼全部漢字。使用2個位元組時，最多能編碼65536個字元，這個數量對於常用字來說足夠了。於是中國漢字的這套編碼，稱為GB2312編碼。那麼對於日語，漢語，阿拉伯語，德語呢，各個語言的字元數量不相同，所以，就都設計了自己的編碼規範，於是，計算機世界裡才有了這麼多中編碼。

那為什麼會出現亂碼呢？

因為編碼規範多了，所以，計算機裡的同一個數值，在不同編碼中代表的字元就可能不同，例如48這個值，在ASICC中可能代表c，在gb2312中可能程式碼p，在日語編碼中可能代表t。或者反過來說，同一個字元，在不同編碼中的值是不相同的，比如在ASCII中，m的編碼值為32，在gb2312中，m的編碼值為31，等等。這樣如果用一種編碼方式儲存的字串，讀取時用另一種編碼來讀，讀出來的字串可能就與原來的字串不相同了。這種情況，只是字串變成了另一個字串，還沒有出現亂碼。那麼，再想一步。如果一種編碼的值，在另一種編碼中，根本沒有與該值對應的字元，那麼，這種情況，就出現了亂碼。

亂碼的出現，歸根到底，是不同編碼之間轉換時出現了對應不上的問題。那麼，怎麼解決呢？

後來就提出了unicode，統一編碼，它試圖把全人類的所有的語言的所有字元都編碼進來，使用4個字元，可以編碼65536*65536個字元，約43億個字元，應該夠用了。

unicode編碼雖然大而全，但也有確定，就是它固定佔用4個位元組，比較浪費空間，其實，大多數使用情況涉及到的字元，並沒有那麼多。於是，為了優化unicode，又提出了utf編碼，它使用動態長度的位元組來進行編碼，對於前面的一些字元，只用1個位元組編碼，1個位元組編碼用完了，就用2個位元組編碼後面的字元，等等等等。

This is the end.