由於計算機內部只能識別和處理二進制代碼，所以字符都必須按照一定的規則用一組二進制編碼來表示。

在學習編碼之前，需要先了解一下 字符集與編碼的關係：
字符集(Character Set)是字符的集合，定義系統能處理哪些字符；編碼(Encoding)則規定這些字符在計算機內部的表示方式。

字符編碼ASCII碼（編碼字符集）

目前，國際上普遍採用的一種字符系統是7位二進制編碼的ASCII碼，它可表示10個十進制數碼、52 個英文大寫字母和小寫字母(A~Z, a~z)及一定數量的專用符號(如$、%、+、=等)，共128個字符。為了存入計算機，通常最高位補0，湊足1B。

在ASCII碼中，編碼值0~31為控制字符，用於通信控制或設備的功能控制；編碼值32~126共95個字符稱為可印刷字符；編碼值127是DEL碼。

0~9的ASCII碼值為48(0110000)~57(0111001)，即去掉高3位，只保留低4位，正好是二進制形式的0-9。

由於ASCII碼的侷限性，各國的語言不能完整地表示出來。於是對 ASCII 字符集做了拓展。

漢字的表示和編碼

目前採用 GB 2312-80標準 : 漢字+各種符號共7445個。用兩個字節表示一個漢字，每字節用七位碼。（1個漢字相當於兩個英文字符）

規定：ASCII 值小於 127 的字符的意義與原來 ASCII 集中的字符相同，但當兩個 ASCII 值大於 127 的字符連在一起時，就表示一個簡體中文的漢字。

為了在解碼時操作的統一，在 ASCII 裏本來就有的數字、標點、字母都統一重新表示為了兩個字節長的編碼，這就是常説的 “全角” 字符，而原來在 127 號以下的就叫 “半角” 字符。

漢字編碼包括:

• 輸入編碼

  • 區位碼
  • 國標碼
• 漢字內碼
• 漢字字形碼

區位碼：94個區，每區94個位置。是4位十進制數，前2位是區碼，後2位是位碼。
國標碼：將十進制的區位碼轉換成十六進制數後，再在每字節上加上20H。國標碼兩字節的最高位都是0。
漢字內碼：為了方便計算機區分中文字符和英文字符，將國標碼兩字節最高位都改為“1“，這就是漢字內碼。

GBK

GBK 是對 GB2312 的一個擴展，兼容 GB2312，因此也兼容 ASCII，也是一個變長編碼方案。下面是一個簡介：

GBK 總體編碼範圍為 8140-FEFE，首字節在 81-FE 之間，尾字節在 40-FE 之間，總計 23940 個碼位，共收入 21886 個漢字和圖形符號，其中漢字（包括部首和構件）21003 個，圖形符號 883 個。

GBK 是國家有關部門與一些信息行業企業等一起合作推出的方案，但並未作為國家標準發佈，只是一個事實上的標準，一個過渡方案，為 GB18030 標準作的一個準備。

世界上各國都有不同的編碼方式，0—127 表示的符號依然都是一樣的，因為他們都兼容 ASCII 碼，但127之後的同一個二進制數字可以被解碼成不同的符號。因此，要想打開一個文本文件，就必須知道它的編碼方式，否則用錯誤的編碼方式解讀，就會出現亂碼。

Unicode

把所有語言都統一到一套編碼裏，且兼容 ASCII。

ASCII、GBK 等類編碼模式的字符集和編碼方式都是一一對應的，Unicode是字符集，UTF-32/ UTF-16/ UTF-8是三種字符編碼方案。

整個編碼可分為兩個過程。首先，將程序中的字符根據字符集中的編號數字化為某個特定的數值，然後根據編號以特定的方式存儲到計算機中。

編號就相當於 ASCII 碼中的 ASCII 值，它就是 Unicode 字符集中唯一表示某個字符的標識，在 Unicode 也稱作碼點（Code Point）。

碼點轉換成各種編碼，又涉及到編碼過程中定長與變長兩種實現方式，UTF-32 就屬於定長編碼，即永遠用 4 字節存儲碼點，而 UTF-8、UTF-16 就屬於變長存儲，UTF-8 根據不同的情況使用 1-4 字節，而 UTF-16 使用 2 或 4 字節來存儲碼點。

UTF-32

在 UTF-32 這種定長的編碼方式下就表示每 4 個子節一個斷句，那麼字符 A 的碼點 U+0041（二進制為 1000001）被 UTF-32 編碼後就會變成如下形式存儲在計算機中：

00000000 00000000 00000000 01000001

它會將 4 個字節中空出的高位全部填充為 0。這種表示的最大缺點是佔用空間太大，因為不管都大的碼點都需要四個字節來存儲，非常的佔空間，那麼如何突破這個瓶頸呢？變長方案應運而生。

UTF-8

UTF-8 屬於變長的編碼方式，它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。使用的是高位保留的方式來區別不同變長，具體方式如下：

1. 對於單字節的符號，字節的第一位設為0，後面7位為這個符號的 Unicode 碼。因此對於英語字母，UTF-8 編碼和 ASCII 碼是相同的。
2. 對於n字節的符號（n > 1），第一個字節的前n位都設為1，第n + 1位設為0，後面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的 Unicode 碼。

Unicode符號範圍      |        UTF-8編碼方式

解碼 UTF-8 編碼也很簡單了，如果一個字節的第一位是 0，則這個字節單獨就是一個字符；如果第一位是1，則連續有多少個 1，就表示當前字符佔用多少個字節，”醜” 有三個 1 表示佔三個字符，然後取出有效位即可。

Emoji

Unicode 為 Emoji 分配碼點。 Emoji 符號就是一個文字，它會被渲染為圖形。

Emoji編碼

以上三種都是屬於文字的編碼，但在計算機中，還有類似圖片這種媒體資源。因為圖片的二進制編碼中包含有很多不可見字符，無法用文本展示。

Base64

base64編碼是用來解決把不可打印的內容塞進可打印內容的需求的。比如把圖片存到數據庫，圖片數據歸根到底還是一堆二進制串，用base64編碼後的顯示成的字符串就大大縮小的長度，可以存到數據庫。

所謂Base64，就是:小寫字母a-z、大寫字母A-Z、數字0-9、符號"+"、"/"（再加上作為墊字的"="，實際上是65個字符）----作為一個基本字符集。然後，其他所有符號都轉換成這個字符集中的字符。

具體來説，轉換方式可以分為四步。

第一步，將每三個字節作為一組，一共是24個二進制位。
第二步，將這24個二進制位分為四組，每個組有6個二進制位。
第三步，在每組前面加兩個00，擴展成32個二進制位，即四個字節。
第四步，根據下表，得到擴展後的每個字節的對應符號，這就是Base64的編碼值。

因為，Base64將三個字節轉化成四個字節，因此Base64編碼後的文本，會比原文本大出三分之一左右。

如果字節數不足三，則這樣處理：

1.二個字節的情況：將這二個字節的一共16個二進制位，按照上面的規則，轉成三組，最後一組除了前面加兩個0以外，後面也要加兩個0。這樣得到一個三位的Base64編碼，再在末尾補上一個"="號。

比如，"Ma"這個字符串是兩個字節，可以轉化成三組00010011、00010110、00010000以後，對應Base64值分別為T、W、E，再補上一個"="號，因此"Ma"的Base64編碼就是TWE=。

2.一個字節的情況：將這一個字節的8個二進制位，按照上面的規則轉成二組，最後一組除了前面加二個0以外，後面再加4個0。這樣得到一個二位的Base64編碼，再在末尾補上兩個"="號。

比如，"M"這個字母是一個字節，可以轉化為二組00010011、00010000，對應的Base64值分別為T、Q，再補上二個"="號，因此"M"的Base64編碼就是TQ==。

轉換Base64工具
參考文章

計算機中通用的字符編碼的工作方式

在計算機內存中，統一使用Unicode編碼，當需要保存到硬盤或者需要傳輸的時候，就轉換為UTF-8編碼。

瀏覽網頁的時候，服務器會把動態生成的Unicode內容轉換為UTF-8再傳輸到瀏覽器。

Web 中的編碼

要正確顯示HTML頁面，web瀏覽器必須知道頁面中使用的字符集。

<!-- html -->
<meta charset="UTF-8">
​
<!-- xml -->
<?xml version="1.0" encoding="UTF-8"?>

比較HTML和xml中的寫法：xml的寫法更加規範

• charset 是 character set 的簡寫，即字符集。
• encoding 是 charset encoding 的簡寫，即字符集編碼，簡稱編碼。

指定了編碼，它所對應的字符集自然就指定了，編碼才是我們最終要關心的。

如何確定一個網頁中編碼

1. 文檔內的編碼聲明

   

2. 響應體中的content-type字段中的編碼信息

   

3. BOM

   BOM=Byte Order Mark，“字節順序標識”。響應流中的開頭字節。

   如果有 BOM，就能直接知道對應的編碼

   

4. 缺省

   缺省方式是以上幾種方式都失效時的兜底方案，沒有 BOM，沒有 header，沒有 meta，瀏覽器只好“蒙”一個編碼。

如果多方式並存，且給出的編碼信息不一致，通常按這樣的優先級來取捨：

BOM > 響應頭編碼 > 文檔內編碼聲明

HTML 編碼

在 HTML 中，某些字符是預留的，比如不能使用小於號（<）和大於號（>），這是因為瀏覽器會誤認為它們是標籤。如果希望正確地顯示預留字符，我們必須在 HTML 源代碼中使用字符實體（character entities）。

字符實體: // <
​
& entity_name; // &lt;
或
& entity_number; // &#60;

URI 編碼

編碼原因：

考慮到 URI 在各種平台間傳輸時的兼容性，URI 規範中規定只有 US-ASCII 字符集中的字符可以直接出現在 URI 中。事實上，甚至 ASCII 本身的許多字符也不允許直接出現在 URI 中，有的也要轉義。URL 路徑中的中文需要轉義，具體編碼用的是 utf-8。

可以直接使用的： 26 個大小寫字母，10 個數字，四個標點符號：-，.，_，~（“短橫”、“點號”、“下劃線”、“波浪線”）。其它的有的屬於保留字，用作為分隔符（delimiters），它們有：

":" / "/" / "?" / "#" / "[" / "]" / "@" / "!" / "$" / "&" / "'" / "(" / ")" / "*" / "+" / "," / ";" / "="

比如正斜槓“/”就是一個最常用的分隔符。如果想在 URL 中包含這樣符號，又不想它們被解析為分隔符，就要對其轉義。其它的還有一些不可以打印的字符也要轉義，比如“空格”等。

保留字符在不做分隔符或者具有特殊含義的時候是需要編碼的。如果使用了一些其他文字和特殊字符，則需要通過編碼的方式來進行表示：

%編碼

由於 URI 在協議中只挑選了部分ASCII 字符，數字以及符號，那麼當需要表示不在這個範圍之內的符號，字符，或者該字符在 URI 中被用來分隔符等特殊用途時，就需要對這個字符進行%編碼。百分號編碼也可以叫做URLEncode，其中的每一個部分用【%XX】來表示，其中 XX 表示一個十六進制的數。

encodeURI 會將需要編碼的字符轉換為 UTF-8 的格式。對於非轉義字符以及保留字符（;,/?:@&=+$#）不會進行轉義。

// URL中包含中文
encodeURI('http://www.帥.com'); // http://www.%E5%B8%85.com
​
// 值的內容為特殊符號。值為?&
encodeURI('http://a.com?key=?&'); // "http://a.com?key=?&"

encodeURIComponent 會編碼所有的 URL 保留字：

encodeURIComponent('https://aotu.io/')
// "https%3A%2F%2Faotu.io%2F"
​
encodeURI('https://aotu.io/')
// "https://aotu.io/"

在處理頁面跳轉、跟服務器端進行交互時, 凡涉及到對URI進行解析的、最好用encodeURIComponent進行編碼避免部分數據的丟失.