一個位元(bit)可以是0，或者是1，8個位元(bit)，組成一個位元組(byte)，全為0時代表數字0，全為1時代表數字255，
一個位元組可以表示256個數字，兩個位元組可以表示65536個數字，
更多的位元組，可以有更多的組合，就可以表示更大的數值范圍，
整數可以這么存，那字符呢？一堆二進制的0和1，怎么也算不出字母A吧，不能直接表示，那就通過數字中轉一下，只要給它指定一個數值編號，要存盤字符時，就存盤這個數值，要讀取時，按照映射關系找到這個字符，
像這樣收錄許多字符然后給它們一一編號，得到一個字符編號對照表，這就是“字符集”，
ASCII字符集只收錄了128個字符，其擴展字符集也只有256個，(ASCII最初被設計的目的也只是用來映射英文體系所需要的字符)
這在只使用英文的國家貌似沒什么問題，但是隨著世界的互聯，其它非英語母語的國家該怎么辦呢？比如漢字、日文等，
針對漢字，最先設計了GB2312字符集、但是GB2312不包含繁體字，所以又設計了BIG5字符集，但是依然有很多字符沒有被收錄，其它國家的字體也不在其中
與其不斷推出收錄更多字符的字符集，還不如本著全球化統一標準的目的，制作一個通用字符集，Unicode學術學會就是這樣做的，這個字符集就是Unicode，它于1990年開始研發并于1994年正式公布，實作了跨語言跨平臺的文本轉換與處理，字符集促成了字符與二進制的合作，但是有了字符集就萬事大吉了嗎？那怎么存盤(eggo世界)這個內容呢？
直接的想法是，找到每個字符對應的編號，存成二進制，如果使用unicode字符集，拿到他們的編號，直接組合會得到這樣一大串二進制位
問題出現了，該怎么知道這一長串內容是要按照下面的方式劃分的呢？
也可以按照下面的方式劃分呀
所以，照搬編號的方式，行不通！！！
那現在我們可以知道了，編碼完成之后還需要解決的一個問題是如何劃分字符邊界，
其中一個方法可以這樣，不管編號多大多小，統一按照最長的編碼的來，位數不夠的高位補0嘛
這就是定長編碼，這樣就可以解決字符邊界的問題，但是可以發現，這樣就太浪費記憶體了，而且字符集收錄的符號越多，編號跨度就越大，定長編碼造成的浪費就越顯著，還得再想辦法，定長編碼不行，那就“變長編碼”，小編號少占位元組，大編號多占位元組，
但是怎么劃分字符邊界呢？來看一種解決方案，如果編號屬于[0,127]，就占用一個位元組，且最高位固定標識為0，如果屬于[128,2047]，就占用兩個位元組，且有固定標識位110和10，三個以及更多位元組的編碼也遵循這樣的規則
以二進制數字01100101，這個位元組最高位是零，就表示這個字符只占一個位元組，除去標識位，剩下的7位就是該字符的二進制編號，轉換成十進制就是101，對應字符e，“世”字同理，
這樣劃分字符就不成問題了，剛剛我們做的是解碼，現在來編碼試試，世界的“界”字在Unicode字符集中編號為30028，符合區間[2048,65535]，所以要占用三位元組，使用下面這個模板，
然后將編號30028轉換成二進制01110101 01001100，再對應填到模板中
好的，這樣就編碼完成了， 我們剛剛用的其實就是UTF-8編碼，也就是Go語言默認的編碼方式，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/458602.html
標籤：Go