在开发的过程中，在处理字符串输入输出的时候，经常会碰到乱码的问题。通常的解决方案，在百度或google上查一下，很快就能把问题解决了。对于其原理，并没有深究。这次，尝试着把编码问题理解清楚。
编码文件常见的一些词语有unicode，utf-8，gb2312，ASCII等，这些词语就是是什么含义，他们之间又有什么关系呢？
这需要从计算的发展开始说。
美国人发明了计算机。因为计算机只能处理数字，而人类的自然语言是字符，所以，需要设计一种方案，让计算机能够处理字符，于是就出现了编码。编码，即约定字符与特定数据的对应关系。例如约定0表示a，1表示b，2表示c，3表示d等等等等，当然，这里只是举个栗子，实际计算机中abcd的编码并不是1234哦。
计算以字节为基本单位，一个字节有8位，8位能够表示256个不同值，也就能编码256个不同的字符。这对于英语来说，够用了。英语主要是26个小写字母，26个大写字母，再加上9个数字，还有一些括号等号分号等符号，总数也不会超过256，所以，美国人发明了一套编码规范，在这套规范里，用一个字节来对所有字符进行编码，这套编码称为ASCII编码。
后来计算机技术传遍了世界。在汉语中，汉字的个数可是远超256个，使用一个字节肯定无法编码所有汉字了。所以就需要更多的字节，才能编码全部汉字。使用2个字节时，最多能编码65536个字符，这个数量对于常用字来说足够了。于是中国汉字的这套编码，称为GB2312编码。那么对于日语，汉语，阿拉伯语，德语呢，各个语言的字符数量不相同，所以，就都设计了自己的编码规范，于是，计算机世界里才有了这么多中编码。
那为什么会出现乱码呢？
因为编码规范多了，所以，计算机里的同一个数值，在不同编码中代表的字符就可能不同，例如48这个值，在ASICC中可能代表c，在gb2312中可能代码p，在日语编码中可能代表t。或者反过来说，同一个字符，在不同编码中的值是不相同的，比如在ASCII中，m的编码值为32，在gb2312中，m的编码值为31，等等。这样如果用一种编码方式保存的字符串，读取时用另一种编码来读，读出来的字符串可能就与原来的字符串不相同了。这种情况，只是字符串变成了另一个字符串，还没有出现乱码。那么，再想一步。如果一种编码的值，在另一种编码中，根本没有与该值对应的字符，那么，这种情况，就出现了乱码。
乱码的出现，归根到底，是不同编码之间转换时出现了对应不上的问题。那么，怎么解决呢？
后来就提出了unicode，统一编码，它试图把全人类的所有的语言的所有字符都编码进来，使用4个字符，可以编码65536*65536个字符，约43亿个字符，应该够用了。
unicode编码虽然大而全，但也有确定，就是它固定占用4个字节，比较浪费空间，其实，大多数使用情况涉及到的字符，并没有那么多。于是，为了优化unicode，又提出了utf编码，它使用动态长度的字节来进行编码，对于前面的一些字符，只用1个字节编码，1个字节编码用完了，就用2个字节编码后面的字符，等等等等。
This is the end.