前语

在编辑器中输入信息，再保存起来，对咱们来说，是再日常不过的事；但有没有想过，在保存信息时，操作体系是怎样把信息存储起来的？在咱们翻开这个文件时，操作体系又是怎样把这些信息展示给咱们的？这就触及到了编码和解码的两个概念。

编码和解码

咱们在桌面上创建一个 txt 文件，并写入‘abc’，

当咱们保存这个 txt 文件时，操作体系是怎样去保存这个 txt 文件里的内容？

由于核算机是由无数个逻辑电路组成的，只能依据 0 和 1 的无限位数和组合来表达信息，所以咱们想要在核算机内存储信息的话，核算机就得把这些信息按照一定的编码办法（比方 ascii、uft-8）变成0，1（这儿的 0 和 1 并不是数字的 0 和 1，0 和 1是表明两种不同的状态，0 表明低电平，1 表明高电平）的组合，这个进程咱们就称为编码；

我输入的信息是 ‘abc’，那么依据 ascii 码，编码出来的成果便是 011000010110001001100011。

当咱们翻开这个 txt 文件时，咱们知道，操作体系是获取到了由 0，1 组合起来的信息，那么，它是怎样把 0，1 改变成咱们写入的信息？

现在操作体系读取到了咱们在 txt 文件中输入的信息编码后的二进制码， 011000010110001001100011，他会依据每8位的二进制码，去 ascii 表找对应的信息，先取出 01100001，找到是 a，再取出 01100010 找到是 b，最后取出 01100011 找到是 c，这个进程咱们称为解码。

可是操作体系是怎样知道依据每8位去读取二进制码，而不是每10位，或许是每16位去读取？

当咱们用编辑器去编写、保存信息时，咱们的编辑器会指定一个编码办法，这个编码办法就会告知操作体系，每一个字符（a 是一个字符，b 是一个字符）是用多少位二进制码表明，比方 ascii 码是每8位表明一个字符（单字节字符），gbk 码是每 16 位表明一个字符（双字节字符），utf-8 是变长的，也便是既能够每 8 位表明一个字符，又能够每 16 位表明一个字符串，至于具体的原理是什么，咱们后边会说到。

ascii 码

最开端核算机是美国人创造的，而英文字母只有 26 个，再加上阿拉伯数字、标点符号（,.!等）、特殊符号（@#$%^&等）以及一些具有操控功能的字符（往往不会显现出来），也就收录了 128 个字符，所以只需求 8 位二进制就能够把 128 个字符表明完全，也便是 00000000 – 011111111。

下面是我在转移某个博主的办法，咱们能够在操控台试一下，然后对照着这个表看看，输出的成果会省略前缀的 0。

  function strToBinary (str) {
      let list = str.split('');
      return list.map(item => {
          return item.charCodeAt().toString(2);
      }).join(' ');
  }

中文编码

当中国也有了核算机之后，为了显现中文，必须规划一套编码规矩用于将汉字转化为核算机能够接受的数字体系的数，也便是以 gb 开头的编码办法，比方 gb2312，gbk 等；

GB2312 是一种双字节编码，能够表明 6763 个汉字和字符；GBK 是 GB2312 的扩展，能够表明 21003 个汉字和字符；

这儿了解一下就好。

unicode 码

世界上存在着多种编码办法，同一个二进制数字在经过不同的编码办法编码往后，很有可能会生成不一样的二进制码，那么，编码办法不统一会形成什么问题呢？

比方现在有 a、b 两种编码办法，阿拉伯数字 1 经过 a 编码办法改变成了 00000000，而经过 b 编码办法变成了 11111111，当小明在家里的电脑指定了用 a 的编码办法保存了某个 txt 文件，然后把这个 txt 文件发送给了小红，可是，小红家的电脑保存了许多种编码办法，唯一没有 a 编码办法，所以当小红翻开 txt 文件时，就只能用默许的编码办法去解码，而里面的数字 1 就有可能会变成其他阿拉伯数字或许直接乱码。

所以，unicode 的出现便是解决这样的问题，将世界上所有的符号都纳入其间，每一个符号都给予一个独一无二的编码，那么乱码问题就会消失。

需求留意的是，Unicode 只是一个符号集，它只规矩了符号的二进制代码，却没有规矩这个二进制代码应该怎么存储。

这句话是什么意思呢？咱们说 ascill 码中字符 a 的二进制代码是 01100001，那么它写入磁盘的也会是 01100001，由于 ascill 码中所有的二进制代码都是 8 位的；

可是关于 Unicode 来说，里面的符号有许多，那么它势必要用多字节去存储对应的符号，比方汉字‘掘’可能是1010101010101010，可是英文字母 a 却是0000000000000001，如果咱们都用16位的二进制去存储，英文字母 a 就会有许多的前缀0，这样无疑是浪费存储空间的，所以 Unicode 仅仅是规矩了符号的二进制代码，却没有规矩这个二进制代码应该怎么存储。

utf-8

UTF-8 便是 Unicode 的实现办法之一。

UTF-8 最大的一个特点，便是它是一种变长的编码办法。它能够运用1~4个字节表明一个符号，依据不同的符号而改变字节长度。它有两个规矩

  • 关于单字节的符号：字节的第一位设为0，后边7位为这个符号的 Unicode 码。因而关于英语字母，UTF-8 编码和 ASCII 码是相同的；

  • 关于n字节的符号（n > 1）：第一个字节的前n位都设为1，第n + 1位设为0，后边字节的前两位一概设为10。剩下的没有提及的二进制位，悉数为这个符号的 Unicode 码。

咱们用一段二进制码去举例解说上面的文字

0110000111100100101110001010010101100010

咱们能够在这个网站上去把二进制转化为汉字，或许把汉字转化为二进制，留意选择的转化办法要选对。

拿到这串组合后，

  • 首要先判别第一位，发现是 0，运用第一条规矩，拿前8位（ 01100001 ）去 unicode 表中查找，由于 unicode 是四字节转码，所以咱们需求补满0（ 00000000000000000000000001100001 ），在网站上转化出来是字符 ‘a’；
  • 接着判别第9位，发现是1，再判别第10位，发现是1，再判别第11位，发现是1，再判别第12位，发现是0，确定了下一个字符是三子节字符，取出第9到32位 111001001011100010100101，然后运用第二条规矩后得到 0100111000100101，补满0（ 00000000000000000100111000100101 ），在网站上转化出来是字符 ‘严’；
  • 接下来拿到第33位，发现是0，运用第一条规矩，拿出 01100010，补满0（ 00000000000000000000000001100010 ），在网站上转化出来是字符 ‘b’；
  • 用unicode表推导出来的信息是：a严b
  • 直接复制 0110000111100100101110001010010101100010，在网站上转化出来信息是 a严b；
  • 推导成立

总结

刚开端接触编码和解码的话，或许会被许多专业术语或许是二进制码绕晕，实际上，咱们只需搞清楚在操作体系中，编码和解码的整套流程，那么就能很好的理解这些专业术语以及它们之间的联系；

至于像 ascill、gbk、unicode、utf-8 这样一大堆的编码办法，咱们其实并不需求每一个都去了解的很透彻，究竟许多东西都是前史留传的产物，只需求了解unicode 和 utf-8即可。