今天看了一個說法，說是入坑windows程式開發，必先掌握文字的編碼和字符集知識。本部落格就整理下資訊儲存和字元編碼的相關知識。
一.位：
計算機儲存資訊的最小單位，稱之為位（bit），音譯位元，二進位制的一個“0”或一個“1”叫一位。
二.位元組
位元組（Byte）是一種計量單位，表示資料量多少，它是計算機資訊科技用於計量儲存容量的一種計量單位，8個二進位制位組成1個位元組。在ASCII碼中，一個標準英文字母（不分大小寫）佔一個位元組位置，一個標準漢字佔二個位元組位置。
三.字元
字元是指計算機中使用的文字和符號，比如“1、2、3、A、B、C、~！·#￥%…*（）+”等等。
四.ASCII碼

先從最簡單的ASCII說起吧，這個大家也熟悉：全名是American Standard Code for Information Interchange， 叫做“美國資訊交換標準碼”。ASCII碼中，一個英文字母（不分大小寫）佔一個位元組的空間，一箇中文漢字佔兩個位元組的空間。ASCII碼是目前最普及的一種字元編碼，它紮根於我們的網際網路，作業系統，鍵盤，印表機，檔案字型和印表機等。ASCII表如下：

圖片來源百度百科

當然，從這個名字美國資訊交換標準碼來看，ASCII碼只適用於美帝，要是用在美帝之外的國家，就不能滿足需求了。
ANSI碼
ANSI編碼是一種對ASCII碼的拓展：ANSI編碼用0x00~0x7f 範圍的1 個位元組來表示 1 個英文字元，超出一個位元組的 0x80~0xFFFF 範圍來表示其他語言的其他字元。也就是說，ANSI碼僅在前126個與ASCII碼相同，之後的字元全是某個國家語言的所有字元。值得注意的是，兩個位元組最多可以儲存的字元數目是2的16次方，即65536個字元，這對於一個語言的字元來說，絕對夠了。還有ANSI編碼其實包括很多編碼：中國製定了GB2312編碼，用來把中文編進去另外，日本把日文編到Shift_JIS裡，韓國把韓文編到Euc-kr裡，各國有各國的標準。受制於當時的條件，不同語言之間的ANSI碼之間不能互相轉換，這就會導致在多語言混合的文字中會有亂碼。
Unicode編碼

為了解決不同國家ANSI編碼的衝突問題，Unicode應運而生：如果全世界每一個符號都給予一個獨一無二的編碼，那麼亂碼問題就會消失。這就是Unicode，就像它的名字都表示的，這是一種所有符號的編碼。
Unicode標準也在不斷髮展，但最常用的是用兩個位元組表示一個字元（如果要用到非常偏僻的字元，就需要4個位元組）。現代作業系統和大多數程式語言都直接支援Unicode。
但是問題在於，原本可以用一個位元組儲存的英文字母在Unicode裡面必須存兩個位元組（規則就是在原來英文字母對應ASCII碼前面補0），這就產生了浪費。那麼有沒有一種既能消除亂碼，又能避免浪費的編碼方式呢？答案就是UTF-8！
UTF-8編碼
這是一種變長的編碼方式：它可以使用1~4個位元組表示一個符號，根據不同的符號而變化位元組長度，當字元在ASCII碼的範圍時，就用一個位元組表示，保留了ASCII字元一個位元組的編碼做為它的一部分，如此一來UTF-8編碼也可以是為視為一種對ASCII碼的拓展。值得注意的是unicode編碼中一箇中文字元佔2個位元組，而UTF-8一箇中文字元佔3個位元組。從unicode到uft-8並不是直接的對應，而是要過一些演算法和規則來轉換。
在計算機記憶體中，統一使用Unicode編碼，當需要儲存到硬碟或者需要傳輸的時候，就轉換為UTF-8編碼。
用記事本編輯的時候，從檔案讀取的UTF-8字元被轉換為Unicode字元到記憶體裡，編輯完成後，儲存的時候再把Unicode轉換為UTF-8儲存到檔案。