什么是编码

编码的本质就是让只认识 0 和 1 的计算机，能够理解我们人类使用的语言符号，并且将数据转换为二进制进行存储和传输。

为什么计算机只认识 0 和 1

电子计算机主要是采用数字集成电路搭建的，数字集成电路的基本单元是逻辑门，通过控制高电平和低电平（相当于 1 和 0），从而实现逻辑运算。

什么是二进制

二进制是计算技术中广泛采用的一种数制。二进制数据是用 0 和 1 两个数码来表示的数。

为什么将数据转换为二进制进行存储和传输

因为数字计算机是由逻辑门组成，而逻辑电路最基础的状态就是两个「开」和「关」。所以，数字电路是以二进制逻辑代数为数学基础。二进制的基本运算规则简单，运算操作方便，这样一来有利于简化计算机内部结构，提高运算速度。而且在逻辑代数方面，二进制只有 0 和 1 两个数码，正好与逻辑代数中的「真」和「假」相吻合。

什么是编码表

人类语言到计算机语言转换的形式，就叫做编码表，它让人类语言和计算机语言能够一一对应起来。
常用的编码表如下所示：

什么是位

位的英文名是 bit，是电子计算机中最小的数据单位，每一个位（bit）的状态只能是 0 或 1。

位、二进制、十六进制的关系

位与二进制：

• 1 位（bit）= 1 个二进制位
• 1 字节（Byte） = 8 位（bit）
• 1 字节（Byte） = 8 个二进制位
• 8 个二进制位 = 00000000 - 11111111 = 十进制位 0 ~ 255

位、二进制与十六进制

• 1 个十六进制位 = 0 ~ F = 0 ~ 15
• 4 个二进制位 = 0000 ~ 1111 = 0 ~ 15
• 4 个二进制位 = 1 个十六进制位
• 1 个字节（Byte）= 8 位（bit）= 8 个二进制位 = 2 个十六进制位 = 0 ~ 255

二进制位与十进制位相互转换

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

# 二进制位转换成为十进制位
00000001 = (0 x 128) + (0 x 64) + (0 x 32) + (0 x 16) + (0 x 8) + (0 x 4) + (0 x 2) + (1 x 1) = 1
10000111 = (1 x 128) + (0 x 64) + (0 x 32) + (0 x 16) + (0 x 8) + (1 x 4) + (1 x 2) + (1 x 1) = 135

# 十进制位与二进制位相互转换
135 / 2 = 67（余数为 1）
67  / 2 = 33（余数为 1）
33  / 2 = 16（余数为 1）
16  / 2 = 8 （余数为 0）
8   / 2 = 4 （余数为 0）
4   / 2 = 2 （余数为 0）
2   / 2 = 1 （余数为 0）
1   / 2 = 0 （余数为 1）

10000111

十六进制与十进制互相转换

1
2
3
4
5
6

# 十六进制转换成十进制：2AF5
5 * 16^0 = 5
F * 16^1 = 240
A * 16^2 = 2560
2 * 16^3 = 8192
5 * 16^0 + F * 16^1 + A * 16^2 + 2 * 16^3 = 10997

二进制与编码表

世界上存在多种编码方式，同一个二进制数字可以被解释成不同的符号。因此，要想打开一个文本文件，就必须知道它的编码方式，否则用错误的编码方式解读，就会出现乱码。ASCII 编码表只规定了 128 个字符，仅仅表示中文就不够用了。伴随互联网的普及，强烈要求出现一种统一的编码方式。UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式。

UTF-8 编码规则

Unicode 是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码如何存储。UTF-8 是 Unicode 的实现方式之一。是一种可变的编码方式，可以使用 1 ~ 4 个字节表示一个字符。

• 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。
• 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。

以卢字为例，卢的 Unicode 是 5362，转换成为二进制是 101 0011 0110 0010，根据上表，5362 处于第三行范围内（0000 0800-0000 FFFF），然后，从卢的最后一个二进制位开始，依次从后向前填入格式中的 x，多出的位补 0。这样就得到了，卢的 UTF-8 编码是11100101 10001101 10100010，转换成十六进制就是 E58DA2。运算过程如下：

1
2
3
4
5
6
7
8
9
10
11

# UTF-8 编码出现的二进制位
1110xxxx 10xxxxxx 10xxxxxx
     101   001101   100010
11100101 10001101 10100010

# 二进制位转十六进制位
11100101 10001101 10100010 =  E58DA2 

# 存储单位
11100101 10001101 10100010 = 24 个二进制位 = 3 个字节
E58DA2 = 6 个十六进制位 = 3 个字节

新建一个文件，然后往里写入汉字卢，保存之后退出查看文件大小，执行命令如下：

1
2
3
4
5
6
7
8
9
10
11

# 创建文件
touch test

# 用 vscode 打开并写入汉字「卢」
code test

# 查看文件大小
ls -lht

# 显示文件 3B，三个字节
-rw-r--r--   1 sebastian  staff     3B 12  6 14:14 test