你的编程道路上一定遇到过这些东西："�怨�蝚�" , "åˆ«è¸©ç™½å¥ "??’וˆ°ו÷•ט¾¹„ח?";
大写的 waht ？？？
什么东东啊？第一次遇到这玩意，我(西岭老湿)基本就是这样的：
哈哈，没错，在我们天朝的编程江湖中，这就是大名鼎鼎的：乱码 ；
如果你稍微有点经验，这些东西也不难解决，相信你也一定能解决，无非就是统一编码或者叫统一字符集而已;
数据库使用UTF8，我们把代码文件改成UTF8，代码的头声明里也用UTF8，浏览器也改成UTF8。这些地方都统一使用一种编码后，基本99.99% 的乱码问题都会被我们解决；
但是，你有木有想过，为什么统一编码就能解决问题了，编码或者字符集是个神马东西吆，为何如此神奇啊？
好了，带着刨根问底的优秀品质(分明就是钻牛角尖)我们来 和 编码字符集做一个赤身裸体的面谈；
首先这要追溯到互联网遥远的上古时代(接着吹，计算机发明还没有100年呢)，话说计算机一出生，人家就只认识0、1，当然现在也没什么进步(堕落的家伙)，而0、1这样的东西，被我们人类定义为二进制，0代表没有，1代表有；
但是计算机他妈(我是文明人你们不要断错句)稍微有点文化，于是教育计算机说：我给你8个01这样的东西，他们的位置可以随意变化，而一种变化就代表一种含义，类似于：01100001 代表八进制141、十进制97、十六进制61、小写字母a；01010010 代表八进制122、十进制82、十六进制52、大写字母R；在记忆的时候，8个01占用1个字节的脑容量，1个字节就占用8个位的脑容量，这家伙记忆力相当不错啊；
他妈就把这8个01所有变化的可能性都拿出来，做了一张表，但是做完这张表发现，最多只有256种结果，于是就把他妈使用的语言字母(英文字母)全部对应到这张表里，还顺便把一些标点符号也做了对应，更顺便的给这个表起了名字叫：ASCII ；见下图↓
于是，计算机这个小娃娃按照他妈给他的这套规则，顺利的和老妈进行对话交流，无比欢乐；但是，由于计算机这个小娃娃活蹦乱跳还能干活，而且时不时还能耍贱卖萌，甚是可爱，绝对是居家旅行的必备良品，很多人都想和他交流探讨出去浪，成为好基友；可是他妈只给了他一套规则，别的他肯定是不懂啊，这个时候，很多的怪蜀黍就出现了，给这个小娃娃按照自己的规则制定了一套类似的表格，也给这些规则表起了各种名字；
于是这种表格，我们就习惯性的统称为 字符编码，而表格里的内容(就是对应的规则) 我们统称为 字符集；
但是，这些怪蜀黍在制定规则的时候遇到了问题，比如我们天朝这位比较深邃苍老的蜀黍发现，中华文化的博大精深还真不是这个小孩子用8个01就能掌握的，国家在1988年公布的《现代汉语常用字表》选收了2500个常用字、1000个次常用字，总共只有3500字；而算上罕用字，古汉语字，日韩等国的汉字衍生字则有近10万个汉字；
这时聪明的天朝专家们在ASCII的基础上，把原来ASCII码表里 127 以上的搞不懂的火星文去掉，规定：一个小于127的字符的意义与原来(就是ASCII)相同，但两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们组合出大约7000多个简体汉字，每个汉字占用2个字节的脑容量，而这就是GB2312字符编码；
有了这套编码，我们天朝(还有新加坡)就和这个小娃娃没羞没臊的过上了幸福的小日子，但是，柴米油盐酱醋茶，时间一长就发现，7000个汉字根本不够用啊，于是我们的专家们又搞了一套叫GBK的编码，当然了肯定是兼容GB2312的；
就这样，各位怪蜀黍都给了计算机自己定制的编码规则，也都生活在自己的桃花源(单机时代)；但是天要下雨娘要嫁人，这小孩逐渐长大，他就想和其他小孩一起浪(开门接客，互联网时代到来)，然后就发现，完蛋玩意，你说啥他说啥，谁也听不懂谁；你跟我说了一段德语编码后的二进制01，结果我在解读的时候用GB2312的汉语编码规则解读，那肯定就乱码了呀，所以就↓
那么此时，肯定有小伙伴们问了：西岭老湿，那后来怎么样了？如何解决的啊？
好了，好了，都别急啊，都已经凌晨了，让老夫先睡会啊(世界都无法沟通了，还有心情碎觉，滚起继续……)；
睡醒继续卖萌……
为了解决各种语言使用不同的编码规则，西岭老湿带领各国领导和语言学家及计算机大拿们(当然，我在吹牛)，制定了万国码，就是我们俗称的 Unicode 编码，这套规则就厉害了，能把世界上所有的语言全部找到对应的规则，这么腻害的东西是怎么搞的？嘿嘿，偷偷告诉你，其实Unicode是使用4个字节来表示一个字的，也就是说，这套规则理论上可以容纳 2 的 32-1次方 个字(数学公式不会写，就文字表达吧)，那是多少呢？一五得五，二五一十，三五二十五，五五二十八，嗯嗯，算出来了，大概是21亿左右的样子，以人类现在语言和文字的增长速度，再用几万年应该是没有问题哒(心中长舒一口酒气，那就好，那就好)；
BUT ！！！
对于英文(严格来说，英文字母应该叫拉丁字母，严肃脸)来说，伦家本来一个字节就可以横行天下了，你非得给我4个字节，太浪费了，伦家不要啊……
还有就是，计算机怎么知道，四个字节表示一个Unicode中的字符，还是分别表示四个ASCII的字符呢？又TM乱了……
就是这两个问题，一困扰着Unicode，也使其在推广上遇到了各种难题，直到 Ben Thomson 大神在吃饭时灵机一动，在一张餐巾纸上，设计出了第一个版本的UTF8(这个是真的，爱信不信)；其实UTF8是Unicode的一种实现方式，而Unicode是一个统一标准规范，Unicode的实现方式除了UTF8还有其它的，比如UTF16、UTF32等。
西岭老湿的好基友阮一峰老师说，UTF-8的基本规则，其实可以简单概括成两条：
- 规则1：对于单字节字符，字节的第一位为0，后7位为这个符号的Unicode码，所以对于拉丁字母，UTF-8与ASCII码是一致的。
- 规则2：对于n字节(n>1)的字符，第一个字节前n位都设为1，第n+1位为0，后面字节的前两位一律设为10，剩下没有提及的位，全部为这个符号的Unicode编码。
通过以上简单规则，UTF8采取变字节的方式，解决了我们前文提到的关于Unicode的两大问题。同时，作为中文使用者需要注意的一点是Unicode(UTF8)与GBK、GB2312这些汉字编码规则是完全不兼容的，也就是说这两者之间不能通过任何算法来进行转换,如需转换，一般通过GBK查表的方式来进行。
好了，我要出去浪了，谈话就到这吧，相信你也懂了字符编码，如果还是不懂，那么我建议你
再看一遍，顺便关注我一下……
如果你懂了，但是并没有关注我，那么：
怕了吧？嘿嘿，来吧……
