计算机编码
约 833 个字 预计阅读时间 3 分钟
计算机常见编码规则
ascll
单字节存储，实际数据存储空间是7bit，最高位是奇偶校验位
Note
奇校验，使数据序列（包括校验位）中的1的个数为奇数，偶校验同理。它的用处在于假设约定使用奇校验，发送端发送的一个字符编码中1的个数一定为奇数，在接收端对1的个数进行统计，如果统计出来的结果是偶数个，那么说明传输过程中有奇数位错误（但是一般多位出错的可能性很低）
Latin1
也是单字节编码，向下兼容ASCLL，没有校验位，8个bit全部用来编码，正是因为Latin1使用了所有bit，所以使用Latin1接受其他任何编码的字节流都不会有任何信息被抛弃，换言之也就是可以用Latin1接收任何字节流。
MySQL 5.5之前会默认使用latin1编码，高版本已经是默认utf8了
Unicode
Note
Unicode只规定了有哪些字符和它们的编号，并没有规定怎么存储这些编号，即怎么编码，utf-8这种才是具体的实现方案。
将世界上所有的字符都纳入其中，给每一个符号一个独一无二的编码，这样可以避免乱码。
因为Unicode要存非常多的字符，而且会不断变多，我记得是可以向Unicode委员会提交你设计的表情的，（一个著名的例子就是男人怀孕因为某些政治因素秒过审核），所以它的编码规则自然是有特殊设计的
基础形式是U+xxxx，四位十六进制数，也就是可以表示$(2^4)^4=2^16=65536 $个字符，但是这个数目显然不够，所以Unicode引入了分区存储的概念，这个区被称作平面(plane)，目前一共有十七个平面，也就是目前unicode字符集大小是 $2^{16}*17=1,114,112 $，表示平面就在前面再加一位（0号平面不需要，故一共有17个平面）
utf-8
utf-8(8-bit Unicode Transformation Format)目前互联网使用最广的编码方式，它的最大特点是可变长，使用1-4个字节表示一个字符，它支持全球几乎所有语言的字符（包括中日韩、表情符号等）
GBK
GBK全称是扩展的《汉字内码扩展规范》，主要支持简体中文，扩展后包括繁体和部分日文汉字，缺点很明显：不兼容 ASCII 的后续多语言需求；不是 Unicode 编码，跨平台支持差，故不推荐使用
乱码
通过一种字符编码来解读另一种字符编码的字节流，就会导致解读出来的字符并非预期，从而产生所谓“乱码”。
常见的乱码情况有：
- 用 GBK 解码 UTF-8 编码的文本
- 用 UTF-8 解码 GBK 编码的文本
- 用 latin-1 解码 UTF-8 编码的文本
- 用 latin-1 解码 GBK 编码的文本
- 先用 GBK 解码 UTF-8 编码的文本，再用 UTF-8 解码前面的结果
- 先用 UTF-8 解码 GBK 编码的文本，再用 GBK 解码前面的结果