背景：

计算机以数字为处理对象，处理文本时需先转换为数字。早期计算机将 8 个比特设为 1 个字节，1 字节能表示的最大整数为 255（二进制 11111111 对应十进制 255），若表示更大整数则需更多字节，如 2 字节最大可表 65535，4 字节可达 4294967295。

计算机由美国人发明，最初仅 127 个字符被编入计算机，涵盖大小写英文字母、数字与部分符号，此编码表即 ASCII 编码，像大写字母 A 编码是 65，小写字母 z 编码为 122。

然而处理中文时，单字节远远不够，起码需两字节且不能与 ASCII 编码冲突，于是中国制定了 GB2312 编码用于中文编码。

不难想象，全球有众多语言，日本将日文编入 Shift_JIS，韩国把韩文编入 Euc-kr，各国皆有自身标准，这必然引发冲突，致使多语言混合文本出现乱码现象。

由此，Unicode 字符集顺势而生。Unicode 把世界上的所有语言都整合进同一套编码体系，从而有效解决了乱码困扰。

Unicode 标准处于持续演进之中，其中最为常用的是 UCS - 16 编码，它采用两个字节来表示一个字符（不过在处理极为生僻字符时则需 4 个字节）。现代操作系统以及绝大多数编程语言均已直接支持 Unicode。

UTF-8：

下面梳理一下 ASCII 编码与 Unicode 编码的差异：ASCII 编码仅占用 1 个字节，而 Unicode 编码一般是 2 个字节。

例如，字母 A 在 ASCII 编码下是十进制的 65，对应的二进制为 01000001；字符 0 在 ASCII 编码里是十进制的 48，二进制是 00110000，需要留意的是字符 '0' 和整数 0 并非同一概念；汉字因超出了 ASCII 编码范畴，在 Unicode 编码“中”是十进制的 20013，二进制为 01001110 00101101。

可以推测，若将 ASCII 编码的 A 转换为 Unicode 编码，只需在其前面补 0 即可，所以 A 的 Unicode 编码是 00000000 01000001。

但新的难题又接踵而至：一旦统一采用 Unicode 编码，乱码现象虽不复存在。可要是所编写的文本几乎全是英文内容，使用 Unicode 编码相较 ASCII 编码会多耗费一倍的存储空间，这在存储与传输过程中极为不经济。

故而，秉持节约理念，又催生出将 Unicode 编码转换为 “可变长编码” 的 UTF - 8 编码。UTF - 8 编码能够依据 Unicode 字符数字大小的不同，将其编码成 1 - 6 个字节，常见的英文字母被编码为 1 个字节，汉字通常是 3 个字节，只有极为罕见生僻的字符才会被编码成 4 - 6 个字节。若传输的文本包含大量英文字符，运用 UTF - 8 编码便能有效节省空间：

字符

ASCII

Unicode

UTF - 8

A

01000001

00000000 01000001

01000001

中

01001110 00101101

11100100 10111000 10101101

从上述表格还能发现，UTF - 8 编码具备一个额外优势，即 ASCII 编码实际上可被视作 UTF - 8 编码的一个子集，所以众多仅支持 ASCII 编码的老旧软件在 UTF - 8 编码环境下依然能够正常运行。

结论：

明晰了 ASCII、Unicode 和 UTF - 8 三者之间的关系后，便能总结出当下计算机系统通用的字符编码运作模式：

在计算机内存之中，统一运用 Unicode 编码，而当需要存储至硬盘或者进行传输操作时，则转换为 UTF - 8 编码。

使用记事本编辑时，从文件读取的 UTF - 8 字符会被转换为 Unicode 字符存入内存，编辑完成后，保存时又会把 Unicode 转换回 UTF - 8 并保存至文件。

浏览网页时，服务器会将动态生成的 Unicode 内容转换为 UTF - 8 后再传输至浏览器。

这便是为何我们能看到很多网页源码中有类似 <meta charset="UTF - 8" /> 的标识，表明该网页采用的正是 UTF - 8 编码。