不得不知道的字符编码的知识。
ASCII 码
所谓ASCII 码，就是一套字符编码，它规定了英文中的各种字符在计算机里表示形式。
ASCII 码一共规定了128个字符的编码，例如字母 a 的二进制编码是0110 0001，把这个二进制转成十进制就是97。
所以字母 a 在ASCII 码表中对应的 ASCII值就是 97。
如果仔细思考一下，就会发现一个严重的问题，ASCII 码仅仅只是对英文字符进行编码。
可问题是，并不是所有国家的语言都是使用英文，于是，各个国家便有了自己的字符集。
什么是字符集？
字符集就是一个系统支持的所有抽象字符的集合，字符集说到底，它约定了不同字符在二进制上的表现形式。
常见的字符集：
- ASCII（美国）：最基本的字符集，涵盖了所有的英文字母和一些常用的字符
- GB2312（中国）：中国的字符集，加入了大概6000 个汉字
- GBK（中国）：GB2312 的扩展
- …
可是新的问题又来了，如果放任各个国家使用自己的字符集就乱套了。
此时，如果能出现一个统一所有字符的字符集就好了，它收录了世界各国的文字，任何一个字符都可以在其中找到对应 的编码。
Unicode
于是 Unicode 便诞生了。
它的出现解决了字符集大统一的问题，涵盖了各个国家的字符集，这就是 Unicode 字符集。
那么新的问题也随之而来了。
Unicode 只是一个字符集，它规定了不同的字符在二进制上的表示形式。
比如 “中” 这个汉字，它的 Unicode 编码是 \u4e2d，4e2d 是 十六进制，转换成十进制是 20013，转换成二进制是 01001110 00101101，这一个汉字，至少需要两个字节来存储。
问题就在于，Unicode 只是规定了这些字符对应的二进制值，但是并没有规定这些二进制值该如何存储。
这个汉字两个字节就能存储，但有些字符需要三个字节，甚至四个。
像 a 这种字符，以前用 ASCII 码的时候，用一个字节就能表示，但是在 Unicode 里如果采用两个字节或三个的固定长度编码，不仅空间利用率很差，同时与采用一个字节编码的 ASCII 字符集也无法兼容。
UTF-8
针对这些问题，UTF-8 编码方案便诞生了。
它是 Unicode 的一种实现，它只取了 Unicode 中最常用的一部分，通过可变长度编码方式来存储。
这样一来，既解决了Unicode 的编码问题，也尽可能地节约了空间。
对于ASCII 码表里的字符仍然用一个字节来存储，而一个汉字用三个字节来存储。
三者的关系
ASCII：一个字符集（一套字符编码），规定了 128 个字符的编码
Unicode：同样是一个字符集（一套字符编码），只不过它更大更完整，收录了世界各国的文字，任何一个字符都可以在其中找到对应 Unicode 编码
UTF-8：一种编码方案（是 Unicode 的实现），通过可变长的编码方式，解决不同字节大小的存储问题
乱码是如何产生的
在回答这个问题之前，首先来看看什么是编码和解码。
编码：将正常的字符选择任意类型的编码方式，转换为对应的二进制值，这个过程就是编码。无论使用哪一种编码方式进行编码，最终都是变成计算机的二进制值。
解码：一串二进制值，使用一种编码方式，转换成的对应的字符，这个过程称为解码。
解码时，可以使用任意的编码方式进行解码，但是往往只有一种编码方式可以显示正常，其他编码方式解出来的字符则都会是乱码。
但是这种有一个问题需要注意：
编码规范的字库表里面不包含目标字符，那就无法在字符集中找到对应的二进制值，这就会导致不可逆的乱码。
举个例子就是：ISO-8859-1 不包含中文字符，如果选择这种编码方式对中文字符进行编码，那么就算最终使用同样的编码方式进行解码，看到的始终都是乱码。
乱码说白了就是编码和解码使用的编码方式不一致导致的问题（当然，还有字库表不包含目标字符时也会出现）。
