2、ASCII
計(jì)算機(jī)內(nèi)部的數(shù)據(jù)最終以二進(jìn)制形式存放，每個(gè)二進(jìn)制位(bit)有0和1兩種狀態(tài)，而8個(gè)二進(jìn)制位(bit)組合稱為一個(gè)字節(jié)(Byte)，所以一個(gè)字節(jié)能夠組合出256中狀態(tài)，即從00000000到11111111。
上世紀(jì)70年代，美國國度標(biāo)準(zhǔn)協(xié)會(huì)(American National Standard Institute , ANSI )制訂了ASCII碼（American Standard Code for Information Interchange，美國標(biāo)準(zhǔn)信息交換碼）：使用7 位二進(jìn)制數(shù)共128個(gè)組合來表示所有的大寫和小寫字母，數(shù)字0 到9、標(biāo)點(diǎn)符號， 以及在美式英語中使用的特殊控制字符。
PS：在計(jì)算機(jī)的存儲(chǔ)單元中，一個(gè)ASCII碼值占一個(gè)字節(jié)(8個(gè)二進(jìn)制位)，其最高位(b7)用作奇偶校驗(yàn)位。所謂奇偶校驗(yàn)，是指在代碼傳送過程中用來檢驗(yàn)是否出現(xiàn)錯(cuò)誤的一種方法，一般分奇校驗(yàn)和偶校驗(yàn)兩種。奇校驗(yàn)規(guī)定：正確的代碼一個(gè)字節(jié)中1的個(gè)數(shù)必須是奇數(shù)，若非奇數(shù)，則在最高位b7添1；偶校驗(yàn)規(guī)定：正確的代碼一個(gè)字節(jié)中1的個(gè)數(shù)必須是偶數(shù)，若非偶數(shù)，則在最高位b7添1。
3、UNICODE
一個(gè)字節(jié)中的后7位總共只能表示128個(gè)不同的字符，英語用這些字符已經(jīng)足夠了，可是要表示其他語言卻是不夠。比如，在法語中，字母上方有注音的符號，就無法用ASCII表示。于是，一些國家就利用了字節(jié)中閑置的最高位編入新的符號。這樣一來，就可以表示最多256個(gè)符號，這就是擴(kuò)展的ASCII 碼，所以現(xiàn)在有7位和8位的兩種ASCII碼，擴(kuò)展的ASCII 碼允許將每個(gè)字符的第8 位用于確定附加的128 個(gè)特殊符號字符、外來語字母和圖形符號。但是，不管怎樣，0~127表示的字符是一樣的，不同的只是128~255.
PS：查詢后128個(gè)ASCII對應(yīng)字符的技巧：新建一個(gè)文本文檔，按住ALT+要查詢的碼值（注意，這里是十進(jìn)制） ，松開即可顯示出對應(yīng)字符。
但即使擴(kuò)展到256個(gè)符號也不夠用，比如漢字據(jù)統(tǒng)計(jì)有10萬個(gè)以上，而且同一個(gè)數(shù)值在各國的語言中表示的卻不同，比如130在法語里面é，而在希臘語里面則代表Gimel。于是UNICODE應(yīng)運(yùn)而生。
Unicode字符集編碼是Universal Multiple-Octet Coded Character Set 通用多八位編碼字符集的簡稱，是國際組織制定的可以容納世界上所有文字和符號的字符編碼方案。
Unicode是一種在計(jì)算機(jī)上使用的字符編碼。它為每種語言中的每個(gè)字符設(shè)定了統(tǒng)一并且唯一的二進(jìn)制編碼，以滿足跨語言、跨平臺(tái)進(jìn)行文本轉(zhuǎn)換、處理的要求。Unicode 標(biāo)準(zhǔn)始終使用十六進(jìn)制數(shù)字，而且在書寫時(shí)在前面加上前綴“U+”，例如字母“A”的編碼為 004116 和字符“?”的編碼為 20AC16。所以“A”的編碼書寫為“U+0041”。但Unicode只是一個(gè)符號集，它只規(guī)定了符號的二進(jìn)制代碼，卻沒有規(guī)定這個(gè)二進(jìn)制代碼應(yīng)該如何存儲(chǔ)。
4、UTF-8
事實(shí)證明，對可以用ASCII表示的字符使用UNICODE并不高效，因?yàn)閁NICODE比ASCII占用大一倍的空間，而對ASCII來說高字節(jié)的0對 他毫無用處。為了解決這個(gè)問題，就出現(xiàn)了一些中間格式的字符集，他們被稱為通用轉(zhuǎn)換格式，即UTF（Universal Transformation Format）。目前存在的UTF格式有：UTF-7, UTF-7.5, UTF-8, UTF-16, 以及 UTF-32。
UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼（定長碼），也是一種前綴碼。它可以用來表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第 一個(gè)字節(jié)仍與ASCII兼容，這使得原來處理ASCII字符的軟件無須或只須做少部份修改，即可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁及其他存儲(chǔ)或傳 送文字的應(yīng)用中，優(yōu)先采用的編碼。
UTF-8用1~4個(gè)字節(jié)對Unicode進(jìn)行編碼。從Unicode到UTF-8的編碼方式如下：
000000 - 00007F║0xxxxxxx
000080 - 0007FF║110xxxxx 10xxxxxx
000800 - 00FFFF║1110xxxx 10xxxxxx 10xxxxxx
010000 - 10FFFF║11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
UTF-8編碼的最大長度是4個(gè)字節(jié)。從上表可以看出，4字節(jié)模板有21個(gè)x，即可以容納21位二進(jìn)制數(shù)字。Unicode的最大碼位0x10FFFF也只有21位。
UTF-8解析算法：
