版权声明：本人文章仅在掘金平台发布，请勿抄袭搬运，转载请注明作者及原文链接 🦉
阅读提示：网页版带有主题和代码高亮，阅读体验更佳 🍉
记得以前只能用杂牌智能机或者老年机看小说的时候，很多小说一打开就是 “锟斤拷”之类的乱七八糟的文字，完全看不懂，只能重新下。那时候根本不懂这种问题产生的原因，只是以为文件坏了。小时候甚至还出现过有人去登记姓名，结果因为姓氏名字太生僻电脑打不出来，只能改名字的事情......
以上这些奇奇怪怪的文字事件就和我们马上要讲的内容有关，也是所有程序员无法回避的问题：字符集及字符编码。
字符
一个汉字、一个阿拉伯数字、一个 emoji 表情......还有各种特殊符号：*、&、￥、$、# 等都是一个一个的字符。这些字符原本都是各个语言里的文字或者书写符号，不是写在纸上、刻在石头木头上就是装在人的脑袋里。如果大家使用同一种语言符号，那好说，你知我知，可是对于计算机来说，这他喵是什么鬼？汉字个数就几万个，一个中国人都不敢说自己全部认识。所以，这些汉字是怎么录入计算机，计算机如何识别，使用输入法时电脑又怎么知道我们输入的是哪个字呢？
而且作为程序员都知道的一个事情是，计算机只认识 0 和 1，也就是二进制数，这个二进制数如何表示出这些奇奇怪怪的字符的呢？
字符编码
聪明的美国人就想到了，毕竟计算机是人家发明的 —— 0 和 1 表示的二进制数能被计算机认识，一个 0 或者 1 是一个 bit，8 个 bit 是一个 byte，那这 8 个 0 和 1 就有 256 个组合。那就固定下来嘛，一个 byte 数对应一个英文字母不就行了？英文字母才多少个呀，这还不简单，假设 00000001 表示 A，那么 00000002 表示 B，再把小写字母一覆盖，也就占用 52 个位置，还有多的剩余呢，简直太 easy。那这种二进制数对应一个字符的方式就叫做字符编码。
字符集
美国人就按照上面的思路（思路类似，但是实际上有很多细节），搞了一个知名的编码字符集：ASCII 字符集，相当于出了一套标准，哪些二进制数和哪些英文字符一一对应，那么计算机里就怎么显示，算是解决了一个大问题。
ASCII 一共收录 128 个字符，包括大小写英文字母，常用英文标点符号，数学运算符 +、- 等。
那么从表中可以看到，0 位到 32 位都是特殊控制字符，比如换行、制表符什么的；33 位到 47 位是常用标点及特殊符号，例如美元符号；48 位到 57 位是阿拉伯数字 0 到 9；65 位开始才是英文字母。
你可能注意到，ASCII 值都是数字编号，并不是所谓二进制数，那其实在这些字符和二进制数的映射中间，还是依靠这些编号来充当 ”中介“ 的角色。计算机存储字符集后，字符编码为对应 ASCII 编号，编号转换为对应的二进制数，调用的时候反向解析一遍流程调用对应字符。
完美与混乱
ASCII 的出现似乎把这个大难题解决了，而且很 “完美”。但是上世纪 90 年代，中国等一大批国家加入了信息化的建设，互联网已经开始连起来了。但是，256 个编码位已经使用了一半，中文、日文等各种语言怎么在计算机里显示？要知道，汉字总数都是几万个，128 个怎么够用？而且在此之前，西欧国家搞了一堆 ASCII 的扩展，把剩余的 128 位编码位都用完了，而且彼此之间还都不兼容。完了，这是一个大问题，怎么办？
各个国家为了加快自身的建设步伐开始搞自己的字符集，反正我先用着爽，才不管你。我国就在 1980 年颁布了汉字的编码字符集，叫作：GB 2312-80。这只是一个基本字符集，只编码了 6763 个基本的常用汉字。平常使用没问题，但是毕竟我国历史源远流长、博大精深，很多人的名字都包含了生僻字，这些字在电脑里显示不出来，很多时候只能用谐音字代替。现在看到的不少成语误用大概率就是那个时期留下的弊病，还形成互联网记忆，让人们怀疑自己都学错了东西，甚至学错的人还固执的不认错。
windows 在世界风靡后，被中文汉字、日本汉字、韩国汉字搞得心态都崩了，明明都是汉字，都是一个字，你还长得不一样。微软被逼急了，直接搞了一个字符集，自己往 GB 2312 里加入一些繁体字，后来成为 GB 2312 的扩展，称为 GBK，成为汉字编码字符集的一个普通技术标准（非国家标准）。
Unicode 万国码
随着全球化的发展，特别是 WTO 等全球贸易组织的推动下，世界各国经济、文化交流日益频繁。但是各个国家还是在使用自己的字符集，这在使用电脑、打印机等各种信息交换工具时特别麻烦，亟需一种统一的字符集来统一各个国家的各种字符。
1988 年，有几个程序员正在开发一款国际化的软件，但是我们前面讲到各个国家的字符集是互不兼容的，这几个程序员是忍无可忍，恨不得地球爆炸，于是决定自己搞一套世界通用的编码字符集，于是 Unicode 项目就这样诞生了。国际化标准组织也在 1989 年开启了 UCS (Universal Multiple-Octet Coded Character Set) 标准制定，目的也是为了统一字符集。后来两拨人一看，你搞一套我搞一套，那跟没搞不是一样，所以两伙人就把双方的字符集做了合并兼容，Unicode 也才真正地得以迅速发展。两伙人从 1990 年开发到 1994 年，才正式发布了 Unicode 的第一个正式版本。
前面讲到的字符集它们基本上只有一种编码方式，但是 Unicode 却有三种：UTF-8，UTF-16，UTF-32。看到这些编码方式是不是既熟悉又陌生？很多人多多少少都见过这几种编码方式，现代标准 HTML 文档在 meta 标签里就需要声明字符集 charset=UTF-8：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>Document</title>
</head>
<body>
</body>
</html>
数字 8、16、32 指的其实是 bit 位，8 就是 8bit 也就是一个 byte，16、32 以此类推。之所出现这种区分是因为有些文字 —— 例如汉字是比较复杂且数量庞大的，光靠 8bit 的码位容量是不够的，需要增加对单个字符定义的 bit 长度来进行码位扩容。关于这三种编码方式的区别和细节就不再深究，毕竟也记不住，只需要了解 UTF-8 是比较常用的即可。
假设你现在用的还是旧版 windows，期末考了，你用记事本给你的好基友抄了一份答案。那么在保存文本时默认是 GBK 编码方式，可是你室友用的却是其他操作系统或者新的 windows，他的文档默认使用 UTF-8 的方式打开，结果出现一堆 “？？？”。你的好基友心想你个 “智慧的好兄弟”，问候过后发现你的电脑显示的文档确实正常的，你没有坑他，他还想可能是自己电脑有问题。他虽然心里纳闷，但是他女朋友催着也让他发答案，这时带着满屏 “？” 的文本被 UTF-8 编码，就会变成一堆 “锟斤拷” 之类的天书文本。然后你痛失兄弟，他痛失女友......
在智能机不普及的前些年，电脑端保存的小说在手机端打开也经常出现类似问题，这其实就是字符集编码不同导致的。
总结
我们在很多需求里会使用到英文大小写字母，记得以前小白时期，傻傻地一个一个字母的写进数组里。其实，JS 中的 String.fromCharCode 方法，可以基于 Unicode 快速生成字符。因为 Unicode 兼容 ASCII，其实可以拿 ASCII 码表来做下对照：
const codeArr = []
for (let i = 65; i < 91; i++) {
codeArr[i] = String.fromCharCode(i)
}
console.log(codeArr) // A，B，C ... X，Y，Z
通过这个方法可以快速生成大小写英文字母或者你想要的字符。
往期推荐
你好，我是北岛贰，一名普普通通的前端。如果你觉得我的文章不错，欢迎点赞关注。推荐我这篇学习正则的文章，能够让你快速掌握 JS 正则表达式，从此正则不求人！
