ASCII、Unicode和UTF-8编码方式的区别与应用

计算机使用数据来理解世界，即将世界视为数字。它无法直接理解所谓的字符。

为了处理字符，计算机必须对其进行表示。通常，字符和数字之间存在一套对应规则，即编码。

• ASCII 规定了字母和特殊字符的编码规则，仅需256位。在英语语境下，这256个字符构成了全部的文字系统。

• 汉字不同于英语，汉字是象形文字，无法通过组合构成。因此，汉字需要单独编码。GB2312 是一种编码规则，需要更多的位来标识汉字，例如两个字节、16位。该编码定义了不超过$2^{15}-1$的汉字字符量。

• Unicode 是一个将全球所有国家的文字进行编码的系统。它将世界上所有文字字符与数字对应起来，不会出现混乱，即使涉及不同语言的混合使用。

然而，在实际使用中，并不需要每次都使用Unicode。这种编码将所有语言的所有字符都以数字形式唯一标识，这可能会在计算中带来不必要的复杂性。

编码的应用

存在一个问题：若你向朋友发送一个文件，默认情况下使用Unicode编码，将所有文字转换为数字并存储。然而，每个数字都需要两个字节来表示。

例如，发送数字1，使用ASCII 编码只需保存为 0000001（8位）即可。

但使用Unicode保存，需要保存为0000000000000001再发送给朋友。文件变大了，同时也浪费了空间。因为当发送ASCII时，只需朋友知道文件采用ASCII编码，就可以正确解读内容。

基于此，在存储和使用过程中出现了UTF-8编码。它简化了部分字符的存储，同时确保不会混淆内容。

UTF-8编码根据Unicode字符的数字大小将其编码为1-6个字节。常用的英文字母被编码成1个字节，汉字通常是3个字节。只有极少数的字符才会被编码成4-6个字节。若文本包含大量英文字符，使用UTF-8编码可节省空间。

值得注意的是，UTF-8编码的另一个好处是，ASCII编码实际上是UTF-8编码的一部分。因此，许多只支持ASCII编码的历史遗留软件可以在UTF-8编码下继续工作。

使用过程

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件，节约存储成本

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器；节约了网络成本