记得以前十多年前上网的时候，会经常碰到网页乱码，然后就会在浏览器选择一个合适的字符编码。
编码看起来有很多，但其实是早期没有统一造成的
编码是一种映射规则，字符编码作用就是将字符映射成二进制以便在计算机中存储和传输。
编码总体上我把它归为三大类:
1. ASCII
ascii在60年代就出现了，全称是American Standard Code for Information Interchange，它用7位表示0-127之间的128个字符。存储时是8位。重要的字符如’0’==48，A==65,a==97
2. ANSI
因为ascii不够用，就出现了ansi编码American National Standards Institute，
ansi并不单独指一种具体的编码，它是这个委员会注册的国际通用集，是对ascii的扩展。使用8位表示，即扩展了128-255。ansi码不同国家和地区都不相同，是不通的，这也是以前网页乱码的原因。通常说ansi码是指本机本系统使用的编码，常见的ansi:
- latin-1 (ISO-8859-1)
兼容ascii，编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。它用完了单个字节的所有空间。
gb2312 是简体中文的编码，兼容ascii，为什么说它是ascii扩展码？
如同拉丁编码一样，使用>=0xA0表示字符，但是每个字符固定用2个字节表示。
EUC-CN表示法中：
每个字符被分了区，比如啊字在16区1位，那么
第一字节为0xA0+16 = 0xB0
第二字节为0xA0+1 = 0xA1
合起来0xB0A1表示啊字
所以它是在ascii上作了扩展，使用0xA0后的空间，解码时候是每2字节解码。
GBK 向下与 gb2312 编码兼容，是gb2312的扩充，包含了古文、繁体等等
UNICODE
unicode不是一种编码方式，是一个世界通用的字符集。定义了世界上每一个字符对应的码点值，最大为0x10FFFF，显然也超过2个字节了。unicode的编码方式最常见的就是utf-8了。
utf-8
UTF-8编码是Unicode的实现方式，是一种具体的编码方法，如同gbk一样。UTF-8（8-bit Unicode Transformation Format），是可变长度的，使用1-4个字节表示一个字符。utf-8编码规则：
| Unicode范围 | UTF-8编码方式 | 字节数 |
|---|---|---|
| 0000 0000-0000 007F | 0xxxxxxx | 1 |
| 0000 0080-0000 07FF | 110xxxxx 10xxxxxx | 2 |
| 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx | 3 |
| 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx | 4 |
0开头，表示是单字节，
110开头，2个1表示2个字节，
1110开头，表示3个字节，
11110开头，表示4个字节，
对于多字节的都是10开头，这些称为控制字符
4字节*8=32位，减去11位控制位 = 21位数字位即
1 1111 1111 1111 1111 1111 = 0x1FFFFF 可表示的字符是可以覆盖到unicode所有的字符的
“啊”字unicode U+554A > 0800需要三个字节，
二进制为：0101 010101 001010，将其放入xxxx位，即:
11100101 10010101 10001010 即 0xE5 95 8A
utf-16
值得注意的是utf-16也是可变长编码，并不是固定的2个字节（要表示完所有的unicode，2个字节是不够的，65536 远小于 1,112,064），而utf-32（ucs-4）可以和unicode一一映射，固定4个长度。utf-16和utf-32都需要bom信息。
BOM
BOM 即byte order mark，是在文件头用来标识编码的字节顺序。字节顺序是内存中读取一段字节的约定，即高位是放在内存的高位地址（big-endian）还是低位地址（little-endian），bom现在还标识了编码，当有bom时候，程序根据bom去解码文件。
