HTML與javascript常碰到的編碼問題第1/2頁

在這裡我簡單的談一下前端HTML與javascript日常工作中常碰到的編碼問題。
在電腦中，我們儲存的資訊都是用二進位碼錶示的。我們認識的、螢幕上顯示的英文、漢字等符號和儲存用的二進位代碼的互相轉換，就是編碼。

有兩個基本概念需要說明，charset 和 character encoding：

charset ，字元集，也就是某個符號和某個數字映射關係的一個表，也就是它決定了107 是koubei 的 ‘a'，21475 是口碑的“口”，不同的表有不同的映射關係，如 ascii，gb2312，Unicode. 通過這個數字和字元的映射表，我們可以把一個二進位表示的數字轉換成某個字元。
chracter encoding ，編碼方式。例如，同是對於應“口”的 21475 這個數，我們是用 \u5k3e3 表示呢，還是用 %E5%8F%A3 來表示呢？這就是由 character encoding 來決定的。

對於 ‘koubei.com' 這樣的 字串來說，是美國人的常用字元，他們就制定了一個 叫做ASCII 的字元集，全稱是 american standard code of information interchange 美國標準資訊交換碼，用0–127這128個數字，（2的7次方，0×00-0×7f) 代表了123abc這樣的常用的128個字元。一共是 7 bits，再加上第一個是符號位，要用來去補碼反碼錶示負數什麼的，一共8 bits 構成一個 byte。當年美國人就是小氣了點，要是一開始就設計成一個 byte 是16 bits、32 bits，世界上會少很多問題，不過當時，估計他們覺得 8 bits 就夠了，可以表示128個不同的字元呢！

介於電腦這玩意兒是美國人搞出來的，所以他們自己省事，把自家用的符號都編碼好了，用的挺爽的。但當電腦開始國際化的時候，問題出來了，拿中國舉例吧，漢字就好幾萬，怎麼辦？

現有的 8 bits 一個 byte 的系統是基礎，不能破壞，不能去改到 16 bits之類的，否則改動太大了，只能走另一條路：用多個 ascii 的字元去表示一個其他字元，也就是 MBCS ( Multi-Byte Character System，多位元組字元系統)。
有了這個 MBCS 的概念，我們可以表示更多個字元了，比如我們用 2 個 ascii 字元，就有 16 bits, 理論上有 2 的 16 次方 65536 個字元。但這些編碼怎麼分配到字元上呢？比如口碑的”口”的 Unicode 編碼就是 21475，誰決定的呢？字元集，也就是剛剛介紹的charset。ascii就是最基礎的一個字元集，在此之上，我們有類似於 gb2312， big5這樣針對簡體中文和繁體中文的MBCS的字元集等等。終於有個叫 Unicode Consortium 的機構，決定做一個囊括所有字元在內的字元集（UCS, Universal Character Set）和對應編碼方式的標準，即 Unicode。從1991年開始，它發布了第一版 Unicode 國際標準，ISBN 0-321-18578-1 ，國際標準組織 ISO 也參與了這個的定製，ISO/IEC 10646 : the Universal Character Set。總之，Unicode 是個基本覆蓋了所有已經存在的地球上的符號的字元標準了，現在正在被越來越廣泛的使用，ECMA 標準也規定，javascript語言的內部字元使用 Unicode 標準（這意味著，javascript的變數名、函數名等是允許中文的！）。

對於身在中國的開發人員來說，可能碰到比較多的問題就是 gbk, gb2312, utf-8 之間轉換之類的問題了。嚴格的說這個說法不是很準確，gbk，gb2312是字元集 (charset)，而 utf-8 是一種編碼方式 (character encoding) ，是 Unicode 標準中 UCS 字元集的一種編碼方式，因為使用 Unicode 字元集的網頁主要用UTF-8編碼，所以大家常常就把它們並列了，其實是不準確的。

有了 Unicode 後，至少人類文明沒有碰到外星人之前，這是一把萬能鑰匙了，都用它吧。而現在使用最廣泛 Unicode 的編碼方式就是 UTF-8 (8-bit UCS/Unicode Transformation Format) 了，它有幾個特別好的地方：

編碼 UCS 字元集，全世界通用
是一種變長編碼方式（variable-length character encoding），相容 ascii
第二點是個很大的優點，它使得以前使用純 ascii 編碼的系統相容，而且不會增加額外的儲存量（假設定長的編碼方式，規定每個字元由2個 bytes 組成，那麼這時候 ascii 字元佔用的儲存空間將增大一倍）。