一、位/比特位

位/比特位，數(shù)據(jù)存儲(chǔ)的最小單位。每個(gè)二進(jìn)制數(shù)字0或者1就是1個(gè)位。

二、字節(jié)(Byte)

字節(jié)(Byte)是一種計(jì)量單位，表示數(shù)據(jù)量多少，它是計(jì)算機(jī)信息技術(shù)用于計(jì)量存儲(chǔ)容量的一種計(jì)量單位。

8個(gè)位構(gòu)成一個(gè)字節(jié)。即：1 byte (字節(jié))= 8 bit (位)；
1 B = 1 byte(字節(jié));
1 KB = 1024 B(字節(jié));
1 MB = 1024 KB;(2^10 B)
1 GB = 1024 MB;(2^20 B)
1 TB = 1024 GB;(2^30 B)

三、字符

字符是指計(jì)算機(jī)中使用的文字和符號(hào)，比如1、2、3、A、B、C、~！·#￥%……—* () ——+、等等。

a、A、中、+、*、の......均表示一個(gè)字符；
一般 utf-8 編碼下，一個(gè)漢字字符占用 3 個(gè) 字節(jié)；
一般 gbk 編碼下，一個(gè)漢字字符占用 2 個(gè) 字節(jié)；

四、“字節(jié)”與“字符”

它們完全不是一個(gè)維度的概念，所以兩者之間沒(méi)有“區(qū)別”這個(gè)說(shuō)法。不同編碼里，字符和字節(jié)的對(duì)應(yīng)關(guān)系不同：

①ASCII碼中，一個(gè)英文字母(不分大小寫)占一個(gè)字節(jié)的空間，一個(gè)中文漢字占兩個(gè)字節(jié)的空間。一個(gè)二進(jìn)制數(shù)字序列，在計(jì)算機(jī)中作為一個(gè)數(shù)字單元，一般為8位二進(jìn)制數(shù)，換算為十進(jìn)制。最小值0，最大值255。

②UTF-8編碼中，一個(gè)英文字符等于一個(gè)字節(jié)，一個(gè)中文(含繁體)等于三個(gè)字節(jié)。

③Unicode編碼中，一個(gè)英文等于兩個(gè)字節(jié)，一個(gè)中文(含繁體)等于兩個(gè)字節(jié)。
符號(hào)：英文標(biāo)點(diǎn)占一個(gè)字節(jié)，中文標(biāo)點(diǎn)占兩個(gè)字節(jié)。舉例：英文句號(hào)“.”占1個(gè)字節(jié)的大小，中文句號(hào)“?！闭?個(gè)字節(jié)的大小。

④UTF-16編碼中，一個(gè)英文字母字符或一個(gè)漢字字符存儲(chǔ)都需要2個(gè)字節(jié)(Unicode擴(kuò)展區(qū)的一些漢字存儲(chǔ)需要4個(gè)字節(jié))。

⑤UTF-32編碼中，世界上任何字符的存儲(chǔ)都需要4個(gè)字節(jié)。

五、字符集

即各種各個(gè)字符的集合。也就是說(shuō)漢字，字母(A、b、c)和符號(hào)(空格、引號(hào)..)會(huì)被收入標(biāo)準(zhǔn)中。

六、編碼

utf-8和Unicode實(shí)際上并不是同一個(gè)層次的概念。

規(guī)定每個(gè)“字符”分別用一個(gè)字節(jié)還是多個(gè)字節(jié)存儲(chǔ)，用哪些字節(jié)來(lái)存儲(chǔ)，這個(gè)規(guī)定就叫做“編碼”。(其實(shí)際是對(duì)字符集中進(jìn)行編碼，即：每個(gè)字符用二進(jìn)制在計(jì)算中表示存儲(chǔ))；
通俗的說(shuō)：編碼就是按照規(guī)則將字符翻譯成對(duì)應(yīng)的二進(jìn)制數(shù)，在計(jì)算器中運(yùn)行存儲(chǔ)，用戶看的時(shí)候(比如瀏覽器)，再用對(duì)應(yīng)的編碼解析成用戶可看懂的。
1??美國(guó)ASCII碼
在計(jì)算機(jī)發(fā)明的時(shí)候，由于計(jì)算機(jī)只能表示二進(jìn)制的數(shù)據(jù)，美國(guó)為了交流通信方便，約定了一個(gè)編碼系統(tǒng)，就是ASCII碼，把a(bǔ)bc..xyz...ABC...XYZ...!@#...等字符分別和0,1,2,3,4......對(duì)應(yīng)，發(fā)現(xiàn)差不多剛好128個(gè)數(shù)，半個(gè)字節(jié)的長(zhǎng)度，為了防止以后需要為新的符號(hào)編碼，于是干脆取一個(gè)字節(jié)，最高位置為0，后七位從0-127分別對(duì)每一個(gè)符號(hào)編碼。于是，計(jì)算機(jī)每次讀取一個(gè)字節(jié)，然后參照ASCII表把這些編碼翻譯成字符。
【標(biāo)準(zhǔn)ASCII字符集】
有96個(gè)打印字符，和32個(gè)控制字符組成。一共96+32=128個(gè)；
用7位二進(jìn)制數(shù)來(lái)對(duì)每1個(gè)字符進(jìn)行編碼；而由于7位還還不夠1個(gè)字節(jié)，而電腦的內(nèi)部常用字節(jié)來(lái)用處理，每個(gè)字節(jié)中多出來(lái)的最高位用0替代；
0 000 0000.........................0
0 111 1111..........................127；
從0----127，來(lái)表示128個(gè)ACSii編碼；

比如：
字符 'A'----------在計(jì)算器內(nèi)部用0100 0001 (65)來(lái)表示；
字符'a'-----------在計(jì)算器內(nèi)部用0 110 0001 (97)來(lái)表示；

注意：'10'在計(jì)算器內(nèi)部是沒(méi)有編碼的，因?yàn)樗亲址?，而不是單個(gè)字符。可以分別對(duì)1,0字符編碼存儲(chǔ)；

【擴(kuò)展ASCii字符集】將標(biāo)準(zhǔn)的ASCii最高位1，得到十進(jìn)制代碼128---255（1 000 0000----1 111 1111）；所以字符集一共有0---255, 256個(gè)字符；

【gb2312字符集】所有漢字字符在計(jì)算機(jī)內(nèi)部采用2個(gè)字節(jié)來(lái)表示，每個(gè)字節(jié)的最高位規(guī)定為1【正好與標(biāo)準(zhǔn)ASCii字符(最高位是0)不重疊，并兼容】，不支持繁體字。所以，gb2312表示漢字的編碼為：129--255 (兩個(gè)字節(jié)，每個(gè)字節(jié)最高位是1)；小于127的字符，與ASCii編碼相同。

2??歐洲ISO
后來(lái)歐洲人發(fā)現(xiàn)很多符號(hào)(法語(yǔ)，德語(yǔ))，ASCII沒(méi)辦法表示，于是他們約定了一套編碼，一個(gè)字節(jié)的長(zhǎng)度，把最高位也用掉了。這套編碼叫ISO。和ASCII表類似，計(jì)算機(jī)也是每次只讀一個(gè)字節(jié)，然后按照ISO表，解碼出字符。

3??中國(guó)GBK
中國(guó)漢字有幾萬(wàn)個(gè)，常用的有幾千個(gè)，沒(méi)有兩個(gè)字節(jié)無(wú)法表示。于是用了兩個(gè)字節(jié)來(lái)表示中文，整出一套GBK。同時(shí)兼容了ASCII編碼。gbk編碼規(guī)定，計(jì)算機(jī)不能在每次都只讀一個(gè)字節(jié)那么死板了，要先看看第一位是不是為0，要是為0的話，就當(dāng)作ASCII碼來(lái)讀入一個(gè)字節(jié)，不然的話就讀入兩個(gè)字節(jié)。

【gbk字符集】gb2312的擴(kuò)充，兼容gb2312，除了收錄gb2312所有的字符外，還收錄了其他不常見的漢字、繁體字等。gbk中字符是一個(gè)或兩個(gè)字節(jié)，單字節(jié)字符00--7F(0---127)這個(gè)區(qū)間和ASCII是一樣的；雙字節(jié)字符的第一個(gè)字節(jié)是在81--FE(129--254)之間。通過(guò)這個(gè)可以判斷是單字節(jié)還是雙字節(jié)，即：在gbk字符編碼，如果第一個(gè)字節(jié)是>128的，則再往后找一個(gè)字節(jié)，組成漢字；如果第一個(gè)字節(jié)<128，則表示的是一個(gè)單字節(jié)(此時(shí)和ASCII是一樣的)；

4??unicode
如此，各方交流很不方便。這個(gè)時(shí)候，unicode編碼就出現(xiàn)了。這套編碼表的編號(hào)從0一直算到了100多萬(wàn)(三個(gè)字節(jié))。每一個(gè)區(qū)間都對(duì)應(yīng)著一種語(yǔ)言的編碼。目前幾乎收納了全世界大部分的字符。所有的字符都有唯一的編號(hào)，這就解決了解碼的沖突。但是，unicode沒(méi)有為編碼的二進(jìn)制傳輸和二進(jìn)制解碼做出規(guī)定。

計(jì)算機(jī)每次讀取三個(gè)字節(jié)，參照Unicode表解碼不行嗎？想法是好的，但是如果類似1號(hào)編碼這樣的小數(shù)據(jù)編號(hào)也要三個(gè)字節(jié)的話，即0x000001，這樣很浪費(fèi)。于是，就出現(xiàn)了uft-8，utf-16，utf-32這些編碼方案。utf-16是用兩個(gè)字節(jié)來(lái)編碼所有的字符，utf-32則選擇用4個(gè)字節(jié)來(lái)編碼。下面只講一下utf-8這種解決方案，因?yàn)樗玫淖疃?，用得最多是因?yàn)樵诋?dāng)時(shí)它的方案最好，最節(jié)省資源。

【Unicode字符集】容納世界上所有語(yǔ)言字符和符號(hào)的集合(以及對(duì)應(yīng)的二進(jìn)制數(shù)字)
Unicode只是一個(gè)編碼規(guī)范，目前實(shí)際實(shí)現(xiàn)的unicode編碼只有三種：UTF-8，UCS-2和UTF-16，三種unicode字符集之間可以按照規(guī)范進(jìn)行轉(zhuǎn)換。

utf-8編碼：UTF-8(8-bit Unicode Transformation Format)是一種針對(duì)Unicode的可變長(zhǎng)度字符編碼，也是一種前綴碼。它可以用來(lái)表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第一個(gè)字節(jié)仍與ASCII兼容，這使得原來(lái)處理ASCII字符的軟件無(wú)須或只須做少部分修改，即可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁(yè)及其他存儲(chǔ)或發(fā)送文字的應(yīng)用中，優(yōu)先采用的編碼。