发展史

字节

在计算机内部，所有信息最终都是一个二进制值

位(bit)是计算机内部数据存储的最小单位，每一个二进制位(bit)有0和两种状态

字节(byte)是二进制数据的单位，一个字节通常8位长,1B(byte,字节) = 8bit(位)，因此八个二进制位就可以组合成256种状态！

思考1：256种状态怎么算出来？

单位换算

1byte = 8bit
1byte = 1B
1KB = 1024B
1MB = 1024KB
1GB = 1024MB
1TB = 1024GB

进制

对于任何一种进制---X进制，就表示每一位置上的数运算时都是逢X进一位。十进制是逢十进一，十六进制是逢十六进一，二进制就是逢二进一，以此类推，x进制就是逢x进位。

现在以十进制25举例看各种进制25的表示；

let a=0b11001;// 0b表示二进制
console.log(a);//25
let b=0o31;// 0o 八进制
let c=25;
let d=0x19;//0x 十六进制

进制转换

js中的两个内置方法toString 和 parseInt；

toString可以把一个数转换为指定进制的数，parseInt是把数按照指定进制解析成十进制的数

1.任意进制转换成十进制；

console.log(parseInt('11001',2))//25

console.log(parseInt('007F',16))//127

2.十进制转成任意进制；

(25).toString(2)//11001

思考2：任意进制转成任意进制？

字节是计算机能够识别的单位，但是人不习惯识别字节，所以就有了字符编码的产生！

ASCII

最开始计算机只在美国用，在英语中，用128个符号编码便可以表示所有，这128个符号，只占用了一个字节的后面7位，最前面一位统一规定为0

常见ASCII码的大小规则：0~9

1）数字比字母要小。如 “7”<“F”；

2）数字0比数字9要小，并按0到9顺序递增。如 “3”<“8” ；

3）字母A比字母Z要小，并按A到Z顺序递增。如“A”<“Z” ；

4）同个字母的大写字母比小写字母要小32。如“A”<“a” 。

ASCII 字符集沿用至今，但它最大的缺点在于只能表示基本的拉丁字母、阿拉伯数字和英式标点符号，于是各个国家制定了自己的字符编码规则；比如中国的GB2312;

GB2312

ASCII 值小于 127 的字符的意义与原来 ASCII 集中的字符相同
但当两个 ASCII 值大于 127 的字符连在一起时，就表示一个简体中文的汉字
前面的一个字节（高字节）从 0xA1 拓展到 0xF7，后面一个字节（低字节）从 0xA1 到 0xFE，这样就可以组合出了大约 7000 多个简体汉字了。
把 ASCII 里本来就有的数字、标点、字母都统一重新表示为了两个字节长的编码，这就是我们常说的 "全角" 字符，127 号以下的那些就叫 "半角" 字符；

这就是常说的一个汉字算两个英文字符;而计算机通过识别第一个字节是否大于127，就可以知道应该是两个字节一起读取还是一个一个字节读取；

每个国家有自己独特的语言，制定了自己字符编码，为了统一所有文字的编码，Unicode应运而生。Unicode把所有语言都统一到一套编码里，这样就不会再有乱码问题了。

Unicode(字符集)

为每个字符指定一个编号，这叫做"码点"

Unicode 中文汉字编码表

从上表可以看出汉字丁的Unicode码十六进制的表示是4E01

//js查询字符的Unicode码
console.log('丁'.charCodeAt())//19969
//字符编码转成字符串
console.log(String.fromCharCode('19969'));//丁
//十六进制表示
console.log('丁'.charCodeAt().toString(16));//4e01

Unicode通常用两个字节表示一个字符，原有的英文编码从单字节变成双字节，只需要把高字节全部填为0就可以。

从Unicode开始，无论是半角的英文字符，还是全角的汉字，他们都是两个字符

字节是一个8位的物理存储单元
字符是一个文化相关的符合

Unicode 只是一个字符集，它只规定了字符的二进制代码，却没有规定这个二进制代码应该如何存储。比如汉字的Unicode编码都是三个字节，计算机怎么知道三个字节表示一个字符，而不是分别表示三个字符呢？为的便于Unicode的传输和存储,UTF应运而生!

UTF与Unicode

UTF（Unicode transformation format）Unicode转换格式，是服务于Unicode的，用于将一个Unicode码点转换为特定的字节序列。常见的UTF有UTF-8,UTF-16,UTF-32。

UTF-8(编码方式)

UTF-8 最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

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121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。

下表总结了编码规则，字母x表示可用编码的位。

   字符的Unicode编码范围 |        UTF-8 编码方式
        (十六进制)      |           (二进制)
   --------------------+---------------------------------------------
   0000 0000-0000 007F | 0xxxxxxx
   0000 0080-0000 07FF | 110xxxxx 10xxxxxx
   0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
   0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

//Unicode都是十六进制,所有的汉字都是3个字节;
//js实现汉字的Unicode转成utf-8十六进制;
function transfer(num){
    let arr=["1110","10","10"];
    let str=num.toString(2);//先转成2进制;100111000100101
    let len=str.length;
    arr[2]+=str.substring(len-6);//截取最后6位
    arr[1]+=str.substring(len-12,len-6);
    arr[0]+=str.substring(0,len-12).padStart(4,'0');
    return arr.map(item=>parseInt(item,2).toString(16)).join(''); 
}
let r=transfer(0x4e25);console.log(r);//e4b8a5

以汉字严为例，演示如何实现 UTF-8 编码。

严的 Unicode 是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800 - 0000 FFFF），因此严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严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，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5。

数组sort排序方法

本文的初衷来源于sort方法没有参数时，按照ascii码进行排序的研究！

var arr=[1,2,'A','Z','a','z'];
arr.sort();
console.log(arr);//[1,2,'A','Z','a','z'];常见ascii排序规则
var a=[1,2,'A','AB','长沙','北京','a','ab','ac','z'];
a.sort();
console.log(a);// [1, 2, "A", "AB", "a", "ab", "ac", "z", "北京", "长沙"]
//对于ab之类多个字符的排序,先比较第一个字符串的unicode编码的大小,
//如果相同再比较第二个字符串unicode编码大小;所以ac排在z的前面,排在ab的后面;
'北京'.charCodeAt();//21271
'长沙'.charCodeAt();//38271//长沙的Unicode编码大于北京,所以长沙排在北京后面;

通过排序规则的研究，扩展到整个计算机编码的探索！

参考文章

Unicode与JavaScript详解

字符编码笔记：ASCII，Unicode和UTF-8