文件编码utf-8是什么意思，utf-8的解释

在做翻译的时候，可能会遇到文字显示乱码，需要使用特定的编码方式将文件另存。在Windows操作系统上，我们比较常见的操作是将文件使用“UTF-8”编码另存，如上图。

但大家知道何为“UTF-8”吗？

以下内容是我在《译者编程入门指南》一书中新增的内容，供大家参考：

要想让计算机显示各种各样的文字，我们需要将所有文字用“字符集”（Character Set）来组织管理。计算机中设置字符集的目标是对人类语言的所有文字进行编码，使之可以存储在计算机中，让计算机通过文字的编码来识别文字。

计算机最早在欧美国家广泛应用，当时主要用于处理英文字母，所以那时的计算机应当能正常显示英语，为此美国国家标准学会（American National Standard Institute，ANSI）在1967年发布了美国信息交换标准代码（AmericanStandard Code for Information Interchange，ASCII），一共规定了128个字符的编码方式，比如数字“0”就有多种编码方式，如：00110000（二进制）、48（十进制）、30（十六进制）。许多初次接触这些知识的同学都会觉得匪夷所思，难道计算机还不认识“0”吗，为什么一个简简单单的“0”要搞出这么多种编码方式。其实这些表示方法都是为了计算机能够更好得处理字符，而非让人去记住这些复杂的编码。

英语字母和标点符号少，128个字符就够用了，但是像汉语这种有成千上万个汉字的语言，128个字符就不够用了。中国国家标准总局在1981年颁布实施了中华人民共和国国家标准《信息交换用汉字编码字符集·基本集》，编号为“GB2312-80”，我们常称之为“GB 2312编码”，这个字符集中汉字共收录了6763个，同时收录了包括一般符号、序号、数字、拉丁字母、日文假名、希腊字母、俄文字母等在内的682个字符，共7445个图形字符。

世界上国家众多、语言众多、文字众多，每个国家都有自己的字符编码方式，当一台计算机上众多编码方式混在一起的时候，计算机就糊涂了，所以计算机需要一个全世界统一使用的字符集，涵盖人类使用的全部字符，并赋予每个字符唯一的编码。

1987年，三位分别在美国施乐公司（Xerox）和苹果公司（Apple）工作的工程师Joe Becker、Lee Collins和Mark Davis创建了一家非营利组织“统一码联盟”（Unicode Consortium），该联盟于1991年发布“统一码标准”（Unicode Standard）。目前该标准的最新版是2018年6月发布的11.0.0版，共收录了137374个字符及其对应的编码。

这家初创组织发布了这套希望全球共用的字符集后，起初并未掀起太大的波澜，因为不同国家的人不知道如何使用这套字符集，大家依然使用属于自己语言的字符集来存储电子文档。直到一个名为“统一码转换格式”（Unicode Transfermation Format，UTF）的标准出现，这是一种能让统一码标准在计算机中得以实际应用的字符编码方式（Encoding），目前最常用的一种称为“UTF-8”（亦可写作“utf-8”）。如今世界上92.9%的网站都在使用“UTF-8”来对网站中的字符进行编码。

通过上面这段文字的介绍，大家应该能分清楚ANSI、Unicode、UTF-8的关系了吧？但字符编码知识远非这么简单，仍有许多与我们每日工作息息相关的知识我还没有仔细介绍，比如：

“UTF-8”中的“8”什么意思？第8个版本吗？

GB2312应该是挺老的标准吧，GBK和GB18030跟它有啥关系？

Unicode不是国家标准化组织（ISO）发布的标准吗？

……

如果大家对此有浓厚兴趣，可以自己再去查查，我以后有时间再和大家分享！