乱码，乱码

当前的计算机系统使用的基本上是二进制系统，数据在计算机中主要是以补码的形式存储的。二进制数据是用0和1两个数码来表示的数。它的基数为2，进位规则是“逢二进一”，借位规则是“借一当二”。计算机处理文本，就必须把文本转换为二进制才能处理。

一、字符编码

早期计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），如果要表示更大的整数，就必须用更多的字节。

1. ASCII码

ASCII（美国信息交换标准代码）是基于拉丁字母的一套电脑编码系统，主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统。比如大写字母A的编码是65，小写字母a的编码是97。由于标准ASCII字符集字符数目有限，在实际应用中往往无法满足要求。

2. Unicode

至于汉字，不同的字符集用的ASCII码的范围也不一样，常用的汉字字符集有GB2312、GBK，至少需要两个字节。全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里，各国有各国的标准，就会不可避免地出现冲突，结果就是，在多语言混合的文本中，显示出来会有乱码。因此，Unicode应运而生。Unicode把所有语言都统一到一套编码里，是计算机科学领域里的一项业界标准，包括字符集、编码方案等。解决了传统的字符编码方案的局限性，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

3. ASCII编码和Unicode编码的区别

ASCII编码是1个字节，而Unicode编码通常是2个字节。

• 字母“A”用ASCII编码是十进制的65，二进制的01000001；
• 汉字“中“已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。

如果把ASCII编码的”A“用Unicode编码，只需要在前面补0就可以，因此，”A“的Unicode编码是00000000 01000001。

4. UTF-8

新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。

5. UTF-8、UTF-16、UTF-32区别

• UTF-8是一种针对Unicode的可变长度字符编码，英文字母被编码成1个字节，汉字通常是3个字节，节省空间；
• UTF-32每个字符都使用4字节，字节内容一一对应码点，转换规则简单直观，查找效率高；
• UTF-16字符要么是2个字节，要么是4个字节。

二、编码转换

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。 示例：用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

记事本-文件

示例：浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

服务器-浏览器

<meta charset="UTF-8" />的信息，表示该网页正是用的UTF-8编码。

三、JavaScript中的编码

1. 字符串长度

code1

注意：汉字

不能被识别

的码点是0x20BB7，UTF-16编码为0xD842 0xDFB7（十进制为55362 57271），需要4个字节储存。对于这种4个字节的字符，JavaScript不能正确处理，字符串长度会误判为2。

2. 访问字符串中特定字符的方法

code2

注意：”≈”，charAt方法无法读取整个字符

3. ES6提供了正确处理4个字节储存的字符

code3

*特别说明：由于CSDN博客编码问题，导致文中”