原文链接 http://fee.im/2016/02/encoding/
注：以下为加速网络访问所做的原文缓存，经过重新格式化，可能存在格式方面的问题，或偶有遗漏信息，请以原文为准。
我们都知道，任何信息在计算机中都是以二进制01的形式存在，通过不同的01组合，可以表达出不同的信息，这就是编码了。我们通常所说的字节(byte)，就是一个最基本的单元，它由8个0或者1来表示，可以组合出256种状态，如果每一种状态代表一个符号，那么一个字节可以编码出256个不同的符号，从00000000到11111111。
计算机最早是美国人在折腾，于是他们捣腾出一套ASCII码表，也就是将一个字节中的0～127种状态分别用来表达数字0～9，大小写英文字母，还有一些标点符号。比如说大写字母A，就是用65来表示，二进制是01000001。这个ASCII表在英文编码中没有什么问题，但是当它流传到欧洲其它国家时就遇到问题了，例如一个法文字母é怎么表示呢？于是他们又捣腾出一个扩展ASCII码表，将剩下的128～255拿来表示其它国家语言的字符。
欧洲国家挺好对付的，他们语言都是各种字母拼起来的嘛，无非就是扩展一下ASCII码表，但是来到中国，ASCII码表就彻底懵逼了，特么你们连茴香豆的茴字都有四种写法。于是就有了GB2312编码，它是用两个字节来表示一个汉字，总共可以表示256*256=65536个汉字，但是GB2312中只收录了6763个简体汉字。就是因为GB2312只收录了简体汉字，所以当它去了香港台湾，同样也懵逼，搞不定繁体汉字，后来将GB2312扩展成了GBK编码，这样里面包括了简体繁体，以及一些少数民族的文字。
中文的问题解决了，还有韩文、日文、阿拉伯文以及世界上那么多种文字，能不能有个终极解决方案啊！答案就是Unicode，Unicode是一个字符集，目前它收录了120737个字符，包括了各个国家的文字、符号以及一些表情，比如，U+0041表示英语的大写字母A，U+4E0A表示汉字”上”。
那么UTF-8、UTF-16和UTF-32又是什么鬼？其实它们都是Unicode字符集的不同编码方式。UTF-8是一种变长的编码，可以用1-4个字节来表示一个字符，如果一个字符在Unicode中越靠后，那么它需要的字节就越多。UTF-16是以两个字节或者四个字节来表示一个字符，而UTF-32就是始终都以4个字节来表达一个字符。与UTF-8相比，UTF-16和UTF-32就不是那么环保了，所以目前互联网上最流行的字符编码就是UTF-8了。