ASCII、UTF-8等字符编码与Unicode总结

学习起因

在使用element-ui的表格排序时，发现在对汉字排序时不是使用拼音排序(点这里试试)，如下图。不知道是按照什么排序的，试了下lodash的_.orderBy排序，发现也是这样，看了lodash的源码，发现用的是js原生的array.sort()方法，查了下这个sort方法，发现是使用charCodeAt()转换成Unicode编码进行排序，如果需要按照拼音排序，可以使用localeCompare方法(localeCompare使用方法参考：js中sort方法的排序问题及localeCompare方法)
百度搜索unicode的时候，又搜到了ASCII、UTF-8、GB2312等编码，完全不知道区别是什么，什么时候会用到，于是有了以下这篇文章，记录一下~

element-ui点表头排序

编码意义

计算机内部，所有信息最终都是一个二进制值。
操作系统如何把存储在硬盘上的二进制0和1字节转化为字符，就涉及到字符编码的问题了。

Ascii码

编码规则：用一个字节的低7位来表示英文的128个字符，高1位统一为0

美国人首先对其英文字符进行了编码，也就是最早的ascii码，这时候人们已经可以使用编码来将计算机存储的二进制转换为英文字母和符号展现在电脑屏幕上，甚至连各种换行空格等等也能使用这种字编码表示，于是大家都把这个方案叫做 ANSI 的”Ascii”编码

而后来，欧洲人发现这128个字符不够用啊，因为又对这种编码进行了扩充，扩充到了使用一个字节全部八位二进制，这种字符编码叫做扩展字符集

GB2312

编码规则：GB2312对汉字采用双字节编码，也就是16位二进制表示一个汉字

传入中国，GB2312是1981年5月1日发布的简体中文汉字编码国家标准。GB2312收录7445个图形字符，其中包括6763个汉字。使用两个字节，也就是16位二进制表示一个汉字，同时也将一些罗马数字，日文字符规定了进去。

GBK

编码规则：GBK标准依旧使用两个字节（16位二进制）表示一个汉字，而对于Ascii本身就规定的英文字符和数字符号等，依旧使用一个字节来实现。

GB2312不够用总之最后扩充成了GBK标准，GBK是1995年12月发布的汉字编码国家标准，是对GB2312编码的扩充，对汉字采用双字节编码。GBK字符集共收录21003个汉字

Unicode

Unicode是一种编码标准，定义了一个字符集以及一系列编码规则，即Unicode字符集和UTF-8\UTF-16等编码，它将世界各种语言的每个字符定义一个唯一的编码，以满足跨语言、跨平台的文本信息转换。而真正的实现还是要靠UTF-8和UTF-16等兄弟，就像Java的接口和实现类的关系。在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。

「字符集」：为每一个字符分配唯一的ID(学名码位/码点/Code Point)
「编码规则」:将码位转换为字节序列的规则（编码/解码可以理解为加密/解密的过程）

UTF-8

编码规则：
UTF-8 的编码规则很简单，只有二条：
1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
2）对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

UTF-8是一套以8为一个编码单位的可变长编码，会将一个码位编码为1-4个字节
下表总结了编码规则，字母x表示可用编码的位。

unicode编码规则

跟据上表，解读 UTF-8 编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
如下图为unicode转utf-8例子：

unicode转utf-8例子