很久很久以前，有一群人，他們決定用8個可以開合的電晶體來組合成不同的狀態，以表示世界上的萬物。他們看

到8個開關狀態是好的，於是他們把這稱為”位元組“。再後來，他們又做了一些可以處理這些位元組的機器，機器開動了，

可以用位元組來組合出很多狀態，狀態開始變來變去。他們看到這樣是好的，於是它們就這機器稱為”計算機“。

      開始計算機只在美國用。八位的位元組一共可以組合出256(2的8次方)種不同的狀態。 他們把其中的編號從0開始的

32種狀態分別規定了特殊的用途，一但終端、印表機遇上約定好的這些位元組被傳過來時，就要做一些約定的動作。遇

上0×10, 終端就換行，遇上0×07, 終端就向人們嘟嘟叫，例好遇上0x1b, 印表機就列印反白的字，或者終端就用彩色顯

示字母。他們看到這樣很好，於是就把這些0×20以下的位元組狀態稱為”控制碼”。他們又把所有的空 格、標點符號、數

字、大小寫字母分別用連續的位元組狀態表示，一直編到了第127號，這樣計算機就可以用不同位元組來儲存英語的文字了。

大家看到這樣，都感覺 很好，於是大家都把這個方案叫做 ANSI 的”Ascii”編碼（American Standard Code for Information 

Interchange，美國資訊互換標準程式碼）。當時世界上所有的計算機都用同樣的ASCII方案來儲存英文文字。

      後來，就像建造巴比倫塔一樣，世界各地的都開始使用計算機，但是很多國家用的不是英文，他們的字母裡有許多是

ASCII裡沒有的，為了可以在計算機 儲存他們的文字，他們決定採用 127號之後的空位來表示這些新的字母、符號，還加

入了很多畫表格時需要用下到的橫線、豎線、交叉等形狀，一直把序號編到了最後一個狀態255。從128 到255這一頁的

字符集被稱”擴充套件字符集“。從此之後，貪婪的人類再沒有新的狀態可以用了，美帝國主義可能沒有想到還有第三世界國家

的人們也希望可以用到計算機吧！

      等中國人們得到計算機時，已經沒有可以利用的位元組狀態來表示漢字，況且有6000多個常用漢字需要儲存呢。但是這

難不倒智慧的中國人民，我們不客氣 地把那些127號之後的奇異符號們直接取消掉, 規定：一個小於127的字元的意義與原

來相同，但兩個大於127的字元連在一起時，就表示一個漢字，前面的一個位元組（他稱之為高位元組）從0xA1用到 0xF7，

後面一個位元組（低位元組）從0xA1到0xFE，這樣我們就可以組合出大約7000多個簡體漢字了。在這些編碼裡，我們還把數

學符號、羅馬希臘的 字母、日文的假名們都編進去了，連在 ASCII 裡本來就有的數字、標點、字母都統統重新編了兩個字

節長的編碼，這就是常說的”全形”字元，而原來在127號以下的那些就叫”半形”字元了。 中國人民看到這樣很不錯，於是就

把這種漢字方案叫做 “GB2312“。GB2312 是對 ASCII 的中文擴充套件。

      但是中國的漢字太多了，我們很快就就發現有許多人的人名沒有辦法在這裡打出來，特別是某些很會麻煩別人的國家領

導人。於是我們不得不繼續把 GB2312 沒有用到的碼位找出來老實不客氣地用上。 後來還是不夠用，於是乾脆不再要求低

位元組一定是127號之後的內碼，只要第一個位元組是大於127就固定表示這是一個漢字的開始，不管後面跟的是不是擴充套件字 符

集裡的內容。結果擴充套件之後的編碼方案被稱為 GBK 標準，GBK包括了GB2312 的所有內容，同時又增加了近20000個新的

漢字（包括繁體字）和符號。 後來少數民族也要用電腦了，於是我們再擴充套件，又加了幾千個新的少數民族的字，GBK擴成了

 GB18030。從此之後，中華民族的文化就可以在計算機時代中傳承了。 中國的程式設計師們看到這一系列漢字編碼的標準是好

的，於是通稱他們叫做 “DBCS“（Double Byte Charecter Set 雙位元組字符集）。在DBCS系列標準裡，最大的特點是兩位元組

長的漢字字元和一位元組長的英文字元並存於同一套編碼方案裡，因此他們寫的程式為了支援中文處 理，必須要注意字串裡的

每一個位元組的值，如果這個值是大於127的，那麼就認為一個雙位元組字符集裡的字元出現了。那時候凡是受過加持，會程式設計

的計算機僧侶 們都要每天念下面這個咒語數百遍： “一個漢字算兩個英文字元！一個漢字算兩個英文字元……”

      因為當時各個國家都像中國這樣搞出一套自己的編碼標準，結果互相之間誰也不懂誰的編碼，誰也不支援別人的編碼，

連大陸和臺灣這樣只相隔了150海 裡，使用著同一種語言的兄弟地區，也分別採用了不同的 DBCS 編碼方案——當時的中

國人想讓電腦顯示漢字，就必須裝上一個”漢字系統”，專門用來處理漢字的顯示、輸入的問題，但是那個臺灣的愚昧封建人

士寫的算命程式 就必須加裝另一套支援 BIG5 編碼的什麼”倚天漢字系統”才可以用，裝錯了字元系統，顯示就會亂了套！這

怎麼辦？而且世界民族之林中還有那些一時用不上電腦的窮苦人民，他們的文字又怎 麼辦？ 真是計算機的巴比倫塔命題啊！

      正在這時，大天使加百列及時出現了——一個叫 ISO（國際標誰化組織）的國際組織決定著手解決這個問題。他們採用

的方法很簡單：廢了所有的地區性編碼方案，重新搞一個包括了地球上所有文化、所有字母和符號 的編碼！他們打算叫它

”Universal Multiple-Octet Coded Character Set”，簡稱 UCS, 俗稱 “unicode“。

      unicode開始制訂時，計算機的儲存器容量極大地發展了，空間再也不成為問題了。於是 ISO 就直接規定必須用兩個字

節，也就是16位來統一表示所有的字元，對於ASCII裡的那些“半形”字元，unicode包持其原編碼不變，只是將其長度由原 

來的8位擴充套件為16位，而其他文化和語言的字元則全部重新統一編碼。由於”半形”英文符號只需要用到低8位，所以其高8位

永遠是0，因此這種大氣的方案在 儲存英文文字時會多浪費一倍的空間。

      這時候，從舊社會裡走過來的程式設計師開始發現一個奇怪的現象：他們的strlen函式靠不住了，一個漢字不再是相當於兩

個字元了，而是一個！是的，從unicode開始，無論是半形的英文字母，還是全形的漢字，它們都是統一的”一個字元“！同

時，也都是統一的”兩個位元組“，請注意”字元”和”位元組”兩個術語的不同，“位元組”是一個8位的物理存貯單元，而“字元”則是一個

文化相關的符號。在unicode中，一個字元就是兩個位元組。一個漢字算兩個英文字元的時代已經快過去了。

      unicode同樣也不完美，這裡就有兩個的問題，一個是，如何才能區別unicode和ascii？計算機怎麼知道三個位元組表示

一個符號，而不是 分別表示三個符號呢？第二個問題是，我們已經知道，英文字母只用一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 個英文字母前都必然有二到三個位元組是0，這對於儲存空間來說是極大

的浪費，文字檔案的大小會因此大出二三倍，這是難以接受的。

      unicode在很長一段時間內無法推廣，直到網際網路的出現，為解決unicode如何在網路上傳輸的問題，於是面向傳輸的

眾多 UTF（UCS Transfer Format）標準出現了，顧名思義，UTF-8就是每次8個位傳輸資料，而UTF-16就是每次16個位。

UTF-8就是在網際網路上使用最廣的一種unicode的實現方式，這是為傳輸而設計的編碼，並使編碼無國界，這樣就可以顯示

全世界上所有文化的字元了。
      UTF-8最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個位元組表示一個符號，根據不同的符號而變化

位元組長度，當字元在ASCII碼的範圍時，就用一個位元組表示，保留了ASCII字元一個位元組的編碼做為它的一部分，注意的是

unicode一箇中文字元佔2個位元組，而UTF-8一箇中 文字元佔3個位元組）。從unicode到uft-8並不是直接的對應，而是要過

一些演算法和規則來轉換。

Unicode符號範圍 | UTF-8編碼方式
(十六進位制) | （二進位制）
—————————————————————–
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx