你文件乱码了么

　　之前对文件的编码，解码一直停留在很抽象的层面，就想着各种编码方式，什么gbk，utf8，ascii等等，然后什么方式编码，就用什么方式解码，比较模糊的，而且项目中uft8编码无处不在，今天突然学习了一下，突然有种恍然大悟的感觉，做个笔记，嘿嘿╮(╯_╰)╭

1.初始阶段

　　首先我们要知道计算机最开始是用来干什么的？是用来计算的，而数字天生就可以用于转换成二进制的0和1，所以这个时候完全没有编码的概念，总不可能在中国的100和国外的100代表的数量不同吧….

　　但是技术的发展，使得计算机需要处理文字信息，最开始就是在美国，他们就在想着怎么让计算机处理文字….

　　有个方法就是统计一下所有单词，给每个单词编个号，分别是1,2,3…..，但是一想，没必要这样给单词编号，英语单词最本质的不就是26个字母吗，加上大小写、特殊符号 一共也就一百多个字符，直接给每个字符进行编号1,2,3,4….,而一个字节的范围是0-255，足够用于给那100多个字符编号了，于是就有人写下了一张表，下图所示：

　　注：Char就是字符，Dec就是对应的十进制数字，所有的字符+特殊符号刚好是128个，就完成了对每个字符进行编号，然后我们在计算机中文本中输入：hello，每个字母都表示一个编号，对应的十进制编号是：104，101，108，108，111,存储肯定需要5个字节

 　　使用飘准点的普通话来说：这张表全称”美国信息交换标准代码标准(American Standard Code for Information Interchange)”，简称ASCII表，ASCII码字符集总共的编码有128个，包括32个通用控制符，10个十进制数码，52个英文大小写字母和34个专用符号。 

2.发展中阶段

　　如果计算机只有美国在使用，那肯定啥问题没有，但是慢慢普及了之后，每个国家都有自己的电脑了；

　　每个国家都有每个国家的文字，总不能让每个国家用电脑的时候都使用英语吧….比如我们中国用的是汉字，那怎么样在计算机中处理汉字呢？简单呀，美国之前不是已经做过了类似的事了么，我们仿照着来一遍不就行了么

　　于是我们国家就把每个汉字都用数字进行编号，但是汉字数量太多，常用字+生僻字一起就有两万多个吧，而一个字节最大也就只能表示0-255，比较拉胯，一个不行就用两个，那就用两个字节表示一个汉字吧！两个字节2^16=65536，足够给每个汉字和特殊字符编号使用了吧(这里就不说分区了，有兴趣的自己去了解)，于是中国版的ascii表就出来了，弄了个全新的名字，表示是我们专用：GBK

　　可以去这个地方去玩玩编码：点击这里๑乛◡乛๑

　　肯定不会只有我们中国人这么聪明知道去创建张表，其他国家也不都是笨蛋呀，就好像秦国的商鞅变法的时候，其他六国肯定也没闲着看戏，都在各种变法呀！

　　于是每个国家都弄了一张对应他们国家文字的表，比如日本的就叫做Shift_JIS，韩国的就叫做KSC，于是间各国纷纷跟进，各种对应的表层出不穷，就连香港和台湾也有自己的编码表：BIG5

　　例如你在香港写的一个文本文件，发送到大陆这边来，你觉得看得懂么？

　　示例：你在香港那边输入了一个”我”，这个字BIG5编码对应的十进制是42970，然后将42970传到大陆这边，你打开文件的时候，计算机就会根据42970在GBK表中找到对应的汉字为“и”，你看不懂吧，没错，你就是乱码了，下图所示，想要看得懂，我们只需要将GBK换成BIG5就行了

3.大一统阶段

　　各个国家的编码表都不一样，很混乱，但是总会有人出来一统天下，于是就有人出来说话了：你们别搞花里胡哨的了，我用一张表把你们所有国家的文字、符号等等都给包含了得了，你们就用我这个吧！

　　所以就出现了一张贼鸡儿大的表：Unicode，俗称的万国码，这张表有多大呢？你想想你要对人类世界所有的文字，符号都进行编码，两个字节最大也就是65536，肯定不够用了;那就特喵的再加一个字节，3个子节，最大表示一千多万，肯定还是不够；那就继续加个字节，4个字节，最大将近就有43亿了，差不多就够了;

　　那么问题来了，原本一个英文字母只需要1个字节，一个汉字只需要2个字节，你现在都给我统统弄成4个字节，存储量翻倍了…所以我们需要对Unicode进行一定的处理，这种处理方式就是UTF8，这是可变的编码；

　　什么叫做可变的呢？就是说使用了UTF8编码之后，如果是英语字母，那就使用一个字节存储，如果是汉字，那就使用三个字节存储；当然为了和国际接轨，使用UTF8之后汉字比GBK多一个字节也勉强能接受；

　　所以在记事本中输入：hello你好， 使用UTF8编码， 占用的字节是5+3+3=11

　　这里只是简单的介绍一下，关于各种编码的相关知识真的是很多很多，感兴趣的一定要自己去多学习(￣▽￣)ノ