编码
我们计算机只能读懂01这两个字符，这和我们人类平时对文字的使用很不相同。如何在计算机里存储和表示文字，就涉及到了编码的知识。
计算机有哪些编码方式呢？
ASCII 码
我们知道，计算机内部，所有信息最终都是一个二进制值。每一个二进制位（bit）有0和1两种状态，因此八个二进制位就可以组合出256种状态，这被称为一个字节（byte）。也就是说，一个字节一共可以用来表示256种不同的状态，每一个状态对应一个符号，就是256个符号，从00000000到11111111。
上个世纪60年代，美国制定了一套字符编码，对英语字符与二进制位之间的关系，做了统一规定。这被称为 ASCII 码，一直沿用至今。
ASCII 码一共规定了128个字符的编码，比如空格SPACE是32（二进制00100000），大写的字母A是65（二进制01000001）。这128个符号（包括32个不能打印出来的控制符号），只占用了一个字节的后面7位，最前面的一位统一规定为0。
这种编码方式完成了基础的编码，但是随着计算机的普及，我们需要在计算机里表示除了英文之外的内容，这128个字符显然是不够的。比如现在的这篇博客，里面的中文字符是如何表示的呢？除了中文，还有其他各国的语言字符，法文、希腊文、西班牙文…等等这些语言，需要大量的编码位置。
Unicode
正如上一节所说，世界上存在着多种编码方式，同一个二进制数字可以被解释成不同的符号。
可以想象，如果有一种编码，将世界上所有的符号都纳入其中。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。这就是 Unicode，就像它的名字都表示的，这是一种所有符号的编码。
Unicode 当然是一个很大的集合，现在的规模可以容纳100多万个符号。Unicode定义了我们所能想到字符的二进制表示，可以说是很全面了。但是如何存储存储这些二进制呢？
直接存储？这是简单暴力的做法，因为在Unicode编码里a对应的码点是97，Unicode编码是U+0061，二进制表示为1100001， 中文远字的码点是36828，Unicode编码为U+8FDC,二进制表示为1000111111011100。a只需要7个bit位，而远却需要16个bit位。如果只用一个字节（8bit）显然是无法表示汉字远的，但是如果用两个字节（16bit）那么在表示a的时候前面要多出9个0，这无疑造成了空间上很大的浪费。
有了Unicode编码方式之后，还要想一个规则去保存这些字符。UTF-8、UTF-16、UTF-32便是我们最常见的规则。
Unicode只是一个符号集，而UTF-8、UTF-16、UTF-32是Unicode在计算机中的具体实现。不过在互联网中最最常用的还是UTF-8。
Unicode的学名是”Universal Multiple-Octet Coded Character Set”，简称为UCS。UCS可以看作是”Unicode Character Set”的缩写。
UTF是“UCS Transformation Format”的缩写。‘8’是指用8位的bit块去表示一个字符。表示一个字符所需的字符块从1-4不等。
UTF-8
UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。
UTF-8 的编码规则很简单，只有二条：
对于单字节的符号且小于7位的编码，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
对于大于7bit的编码，n字节的符号1字节按2字节来算（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。
| 1st byte | 2nd byte | 3rd byte | 4th byte | 可用于表示字符的bit位个数 | 最大表示的Unicode 编码值 |
|---|---|---|---|---|---|
| 0xxx xxxx | 7 | 007F hex(127) | |||
| 110x xxxx | 10xx xxxx | (5+6)=11 | 07FF hex(2047) | ||
| 1110 xxxx | 10xx xxxx | 10xx xxxx | (4+6+6)=16 | FFFF hex(65535) | |
| 1111 0xxx | 10xx xxxx | 10xx xxxx | 10xx xxxx | (3+6+6+6)=21 | 10FFFF hex(1,114,111) |
注：目前Unicode的编码最大为10FFFF。
这个规则已经定义好，如何根据Unicode编码，得出对应的UTF-8编码呢，来写一个JavaScript的程序来实现一下吧！
Unicode 与 UTF-8 之间的转换
如代码无法运行请点击这里
BMP （Basic Multilingual Plane）
Unicode 从U+0000到U+FFFF这个范围称为BMP,我们日常编码应该让代码保持在这个范围内。
其他编码方式
除了上述两种我们最最常接触的编码方式外，还有其他好多编码方式：
早期的计算机使用7位的ASCII编码，为了处理汉字，程序员设计了用于简体中文的GB2312和用于繁体中文的big5。
GB2312
GB2312(1980年)一共收录了7445个字符，包括6763个汉字和682个其它符号。汉字区的内码范围高字节从B0-F7，低字节从A1-FE，占用的码位是72*94=6768。其中有5个空位是D7FA-D7FE。GB2312支持的汉字太少。1995年的汉字扩展规范GBK1.0收录了21886个符号，它分为汉字区和图形符号区。汉字区包括21003个字符。
GBK
Reference
unicode官网
unicode format
UTF-8 的规则
字符编码笔记：ASCII，Unicode 和 UTF-8