这几天在面试的时候，被问到一些关于字符的问题。回头了解了一下，发现字符集也是一个挺深的坑。由于篇幅有限，就只了解了ASCII，UNICODE和UTF-8。
ASCII码相信大家都比较熟悉，首先它是由一个字节来表示的，一共八位，可以表示256个字符，但是这玩意是由美国人那边制定的，对于他们来说，只需要128个字符就足够，于是他们把第一位设为0，其他位才用来表示字符。
但是在全球互联网化后，这个字符集就不够用了，因为各个国家语言字符不同，ASCII满足不了。一个字节也不够表示，所以必须要有多个字符表示的。像我们国家的中文简体，一般就采用GB2312，然而不统一的字符集，导致不同国家在通信时会出现乱码，这其实就是因为采用的字符集不同，解析出来的结果也不同。所以这个时候，UNICODE这个字符集出现了，它将所有的字符都收录了，每个字符都有对应独一无二的表示方法。但是UNICODE这个字符集有一个最大的缺点，那就是，它的存储方式。由于表示的字符太大，它必须由多个字节组成，而且在区分ASCII码和UNICDOE也有困难，计算机并不知道当前这个字节是用来表示ASCII码还是UNICODE的一部分。
UTF-8的出现，弥补了这个不足，它是由不定长的字节组成的，字节的长度是由第一个字节的前n位确定的，如果要用四个字节表示，它会在第一个字节的前四位用1来表示，第五位用0来表示。计算机拿到之后，计算第一个字节前面有多少个1，就拿多少个字节来表示这个字符，而且后面每个字节的前两位都是由10开头。
下一次我再研究一下字符集UTF-16，看看和UTF-8有什么区别，下次再研究。