计算机只能处理数字

计算机只能处理数字，即二进制。如果要处理文本，就必须先把文本转换为数字才能处理，最早的计算机在设计时采用8 bit 为一个字节，所以以一个字节能表示的最大整数为255.如果要表示更大的整数，就必须用更多的字节。比如两个字节可以表示65535，四个字节等等。

由于计算机是美国发明的，因此最早的只有127个字母被编码到计算机里，也就是大小写英文字母，数字和一些符号，这个编码表被称为ASCII编码。

要处理中文，显然一个字节是不够的，至少需要两个字节，而且不能和ASCII编码冲突，所以中国制定了GB2312编码，用来把中文编进去。

可以想象，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到EUC-kr里，各国有各国的标准，就不可避免地出现冲突，结果就是，再多语言混合的文本中就会显示乱码。

Unicode应运而生，Unicode把所有语言都统一到一套编码里，这样就不会有乱码问题了。 Unicode标准在不断发展，最常用的是用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要四个字节）。现在操作系统和大多数编程语言都直接支持Unicode。

统一成Unicode之后，乱码问题解决了，但是写的文本基本上全是英文时，用Unicode编码比ASCII编码多一倍存储空间，在存储和传输上十分不划算。

本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码，UTF-8编码把一个Unicode字符根据不同的数字大小编码成1~6个字节，常用的英文字母被编码成1个字节，汉子通常是3个字节，只有很生僻的字符才会被编码成4~6个字节。如果要传输的文本包含大量英文字符，用UTF-8编码就能节省空间。

UTF-8编码还有一个额外的好处，就是ASCII编码实际上可以看成是UTF-8编码的一部分，所以只支持ASCII编程的大量历史遗留软件可以在UTF-8编码下继续工作。

在现在计算机系统通用的字符编码工作方式：在计算机内存中，同意使用Unicode编码，当需要保存到硬盘或需要传输时，可以转换为UTF-8编码。 用记事本编辑时，从文件读取的UTF-8字符被转换为Unicode字符到内存；编辑完成后，保存时再把Unicode转换为UTF-8保存到文件；浏览网页时，服务器会把动态生成的Unicode内容转换为UTF-8在传输到浏览器；我们经常看到很多网页的源代码上有类似的<meta charset = “UTF-8”/>的信息，表示该网页用的是UTF-8编码。