在這里我簡單的談一下前端HTML與javascript日常工作中常碰到的編碼問題。
在計算機中，我們儲存的信息都是用二進制碼表示的。我們認識的、屏幕上顯示的英文、漢字等符號和儲存用的二進制代碼的互相轉(zhuǎn)換，就是編碼。

有兩個基本概念需要說明，charset 和 character encoding：

charset ，字符集，也就是某個符號和某個數(shù)字映射關(guān)系的一個表，也就是它決定了107 是koubei 的 ‘a(chǎn)'，21475 是口碑的“口”，不同的表有不同的映射關(guān)系，如 ascii，gb2312，Unicode. 通過這個數(shù)字和字符的映射表，我們可以把一個二進制表示的數(shù)字轉(zhuǎn)換成某個字符。
chracter encoding ，編碼方式。例如，同是對于應(yīng)“口”的 21475 這個數(shù)，我們是用 \u5k3e3 表示呢，還是用 %E5%8F%A3 來表示呢？這就是由 character encoding 來決定的。

對于 ‘koubei.com' 這樣的 字符串來說，是美國人的常用字符，他們就制定了一個 叫做ASCII 的字符集，全稱是 american standard code of information interchange 美國標準信息交換碼，用0–127這128個數(shù)字，（2的7次方，0×00-0×7f) 代表了123abc這樣的常用的128個字符。一共是 7 bits，再加上第一個是符號位，要用來去補碼反碼表示負數(shù)什么的，一共8 bits 構(gòu)成一個 byte。當年美國人就是小氣了點，要是一開始就設(shè)計成一個 byte 是16 bits、32 bits，世界上會少很多問題，不過當時，估計他們覺得 8 bits 就夠了，可以表示128個不同的字符呢！

介于計算機這玩意兒是美國人搞出來的，所以他們自己省事，把自家用的符號都編碼好了，用的挺爽的。但當計算機開始國際化的時候，問題出來了，拿中國舉例吧，漢字就好幾萬，怎么辦？

現(xiàn)有的 8 bits 一個 byte 的系統(tǒng)是基礎(chǔ)，不能破壞，不能去改到 16 bits之類的，否則改動太大了，只能走另一條路：用多個 ascii 的字符去表示一個其他字符，也就是 MBCS ( Multi-Byte Character System，多字節(jié)字符系統(tǒng))。
有了這個 MBCS 的概念，我們可以表示更多個字符了，比如我們用 2 個 ascii 字符，就有 16 bits, 理論上有 2 的 16 次方 65536 個字符。但這些編碼怎么分配到字符上呢？比如口碑的”口”的 Unicode 編碼就是 21475，誰決定的呢？字符集，也就是剛剛介紹的charset。ascii就是最基礎(chǔ)的一個字符集，在此之上，我們有類似于 gb2312， big5這樣針對簡體中文和繁體中文的MBCS的字符集等等。終于有個叫 Unicode Consortium 的機構(gòu)，決定做一個囊括所有字符在內(nèi)的字符集（UCS, Universal Character Set）和對應(yīng)編碼方式的標準，即 Unicode。從1991年開始，它發(fā)布了第一版 Unicode 國際標準，ISBN 0-321-18578-1 ，國際標準化組織 ISO 也參與了這個的定制，ISO/IEC 10646 : the Universal Character Set。總之，Unicode 是個基本覆蓋了所有已經(jīng)存在的地球上的符號的字符標準了，現(xiàn)在正在被越來越廣泛的使用，ECMA 標準也規(guī)定，javascript語言的內(nèi)部字符使用 Unicode 標準（這意味著，javascript的變量名、函數(shù)名等是允許中文的！）。

對于身在中國的開發(fā)者來說，可能碰到比較多的問題就是 gbk, gb2312, utf-8 之間轉(zhuǎn)換之類的問題了。嚴格的說這個說法不是很準確，gbk，gb2312是字符集 (charset)，而 utf-8 是一種編碼方式 (character encoding) ，是 Unicode 標準中 UCS 字符集的一種編碼方式，因為使用 Unicode 字符集的網(wǎng)頁主要用UTF-8編碼，所以大家常常就把它們并列了，其實是不準確的。

有了 Unicode 后，至少人類文明沒有碰到外星人之前，這是一把萬能鑰匙了，都用它吧。而現(xiàn)在使用最廣泛 Unicode 的編碼方式就是 UTF-8 (8-bit UCS/Unicode Transformation Format) 了，它有幾個特別好的地方：

編碼 UCS 字符集，全世界通用
是一種變長編碼方式（variable-length character encoding），兼容 ascii
第二點是個很大的優(yōu)點，它使得以前使用純 ascii 編碼的系統(tǒng)兼容，而且不會增加額外的存儲量（假設(shè)定長的編碼方式，規(guī)定每個字符由2個 bytes 組成，那么這時候 ascii 字符占用的存儲空間將增大一倍）。

最新評論