摘要： 了解計算機是如何存儲資料的。
- 原文：深入了解計算機系統cp1：存儲機關與編碼
- 作者：Chor
Fundebug經授權轉載，版權歸原作者所有。
1. 存儲機關
- 位：即 bit，表示二進制位，要麼是 0 ，要麼是 1。它是計算機内部資料存儲的最小機關。比如 11010100 共有8個二進制位，是一個8位二進制數。
- 位元組：即 byte，它由8個二進制位構成，即 1byte=8bit，是計算機内部計量的基本機關。一個英文字元占1個位元組（8位），一個漢字占2個位元組（16位）
- 字：即word，它由若幹個位元組構成，是計算機内部進行資料處理和運算的基本機關。字的總的位數稱為字長，不同檔次的計算機字長是不一樣的，比如32位機，它的1個字由4個位元組構成，字長為32位，也就是說其CPU一次操作處理的實際位數是32位。同理，64位機可以處理64位。由此可見，計算機的字長越大，其性能越優越。
- KB，MB：1024byte = 1KB，1024KB = 1MB。往上還有GB，TB。
PS：資料傳輸大多以 bit 為機關，比如我們常說的網速100M/s，M/s其實Mbit/s，也就是兆比特每秒，我們還可以寫成100Mbps。
2. 編碼
2.1 為什麼需要編碼？
- 計算機隻能了解0和1，無法了解英文、字母、漢字和其他特殊字元，這些字元需要經過編碼才能成為計算機可以了解的二進制數。
- 由字元到二進制數稱為編碼，反過來則是解碼。
- 從字元到二進制數，需要有一個一一對應的映射，這個映射通過編碼規則來實作。
- 通常所說的編碼其實包括編碼+字元集（即字元的集合體），比如 Unicode 字元集，就有 UTF-8，UTF-16 等多種編碼。
2.2 編碼規則的演變
-
ASCII：
1)
/ˈæski/
，即 American Standard Code for Information Interchange，美國資訊交換标準代碼。本來一個位元組有8位，每一位有0和1兩種狀态，則一個位元組共有2^8=256種狀态，可以表示256種字元。但是美國佬比較自私，覺得隻要可以表示自己的字母和一些特殊字元就足夠了，是以 ASCII 沒有占用最高位（而是固定為0），實際隻用到了後面7位，它可以表示 2^7=128 種狀态，也就是表示128個字元。
2) 很顯然，這用來表示字母是足夠的，但要想表示其它語言的字元，128還是太少了。
PS：附送 ASCII 對照表一張：
深入了解計算機系統cp1：存儲機關與編碼 -
GB2312：
1) 既然美國佬隻解決了字母和特殊符号的編碼問題，那麼我們中國人隻好實作自己的編碼，進而來表示漢字了。是以這時候出現了 GB2312 編碼（國标碼）。
2) 問題：不幸的是，各個國家都是這麼想的，是以小日本有了 Shift_JIS 編碼，棒子有了 Euc-kr 編碼…..一時之間各國都有了自己的标準，那麼對于一個多語言混合的文本來說，存在着不同的編碼規則，最終必然導緻亂碼。
-
Unicode：
1) Unicode 解決了編碼統一的問題。每種語言的每個字元在 Unicode 的規則下，都隻有統一且唯一的對應二進制編碼。它的表示方法是
U+[16進制數]
U+0041
U+4E25
。
2) 問題：Unicode 一般用2個位元組（也就是16位）表示一個字元，這在表示 ASCII 字元的時候會出現問題。我們知道，ASCII 字元實際隻需要一個位元組就夠了，并且最高位甚至都還不需要用到，但是 Unicode 又規定表示一個字元至少需要2個位元組，那麼一個 ASCII 字元前面就必須要補0以滿足這個規則，例如字母 A 就需要用
00000000 01000001
-
UTF-8：
1) UTF：實際傳輸過程中，基于不同的系統平台，對 Unicode 會有不不同的實作方式，其實作方式稱為 Unicode Transformation Format，即 UTF。
2) 作為 Unicode 的一種實作方式，UTF-8 展現了一定的靈活性——它是一種變長編碼，會根據具體字元來改變所需要的表示位元組。其編碼規則隻有兩條：
i>. 對于 128 個 ASCII 字元隻需一個位元組表示，位元組的第一位補 0，後面 7 位為這個字元的 ASCII 二進制數。Unicode 範圍為 U+0000 至U+007F。
ii>. 對于 n 位元組的符号（n>1），第一個位元組的前 n 位都設為 1，第 n+1 位設為 0，後面位元組的前兩位一律設為 10。剩下的沒有提及的二進制位，全部為這個符号的 Unicode 碼二進制數。Unicode 範圍由 U+0080 起。
也可以看下面這張圖：
參考：
- 基礎：ASCII，Unicode 和 UTF-8
- 字元串和編碼