编码: 一个隐藏了30多年的bug，Windows含蓄说过某通不行？ _字符编码

原文链接：
桔子菌：你听说过微软30多年前推出的时候，隐晦表达过联通不行移动行么？橙子妹瞟了一眼桔子菌：瞎扯，我只听葛优说过“神州行我看行” 。桔子菌有点炫耀：不可思议是吧？你看我用自带的记事本软件新建2个txt文件，在文件中分别输入“联通”和“移动”，再次打开文件看，发现保存了“移动”的文件仍然可以看到“移动”2个字，但是保存“联通”的文件就不行了，看不到了。橙子妹稍微有点惊讶，又瞟了一眼桔子菌：你这是哪跟哪，不过我还是有点好奇这是怎么回事。桔子菌：请听我娓娓道来。
微软你想说某通不行可以直接点吗
在计算机的世界里，不管是内存、硬盘存储的内容都是“0”和“1”，网络上传输的数值也是“0”和“1”，CPU能处理的也是“0”和“1” 。单个bit只能表示”0″和”1″的2种数值状态，通过bit位数的增加就可以表示更多的数值。通常用8个这样的”0″或”1″构成一个字节，这样一个字节就包含了256种数值，再进一步的2个字节就能表示65536种数值。这些数值表达什么含义，或者这些数值之间按照特定的关系进行”组织”，这个“表达”或者”组织”的过程就叫做编码。
如果要将这些字节再按照相反的顺序表达出来，就是”解码”的过程，经过特定的解码方法就能得到特定的内容。比如在一张bmp图片文件中，文件中存储的数值表示各个像素点的亮度值，而在一个文本文件中，这些数值存储的就是一些字符。怎么区分一个文件到底是图片文件还是文本文件，一般是根据文件的后缀名称来区分的。在操作系统里，双击一个”.bmp”文件，系统就会根据后缀”.bmp”去查找默认的图片程序打开这个文件，双击一个”.txt”文件，就会根据后缀”.txt”找到对应的文本程序打开这个文件。此处如果抬杠的话，你要用文本程序打开图片文件也是可以的，只是并不能得到你想要的东西。
到了这里我们清楚了不同的后缀可以对应特定的应用程序来打开，但是有些文件即使是相同的后缀，可能他内部的格式还是有差异的，这又是怎么区分的呢？比如一张bmp文件，到底表示的是黑白图片还是彩色图片、彩色图像是用16色(4位)还是24位表示的，仅仅通过后缀已经不能区分了。
不同格式的lena图
上面的3个lena图片都是bmp的后缀，从预览效果看它的内容是有差异的，这是图片文件内部编码方式存在差异导致的。2色图片中每个像素只需要1个bit表示，16色图中每个像素需要4个bit表示，而24位图中每个像素需要24bit表示，如果应用程序仅仅根据后缀来解码，就不能适应这种情况了。所以在文件内部的某个位置约定其具体的编码方式，这样应用程序就能根据这个约定决定使用何种解码方式。
桔子菌还想滔滔不绝地说下去，被橙子妹打断了：前面说的不是文本文件么，怎么又扯到图片文件上来了，扯远了，赶紧回正题。桔子菌：不急不急，铺垫下而已，介绍些背景，接下来继续。
好了，回到开始说的文本文件，文本文件中存储的是字符，大多是人眼可识别的字符，比如英语字母、汉字、阿拉伯数字、罗马数字等等。计算机刚开始出现在英语世界的时候，最常用的是ASCII字符集，比如用数值65表示大写字母“A”，用数值48表示字符形式的数字“0”，ASCII字符集用数值0~127表示英文字母大小写、阿拉伯数字以及其他常用的符号。在英语世界里ASCII字符集能做到游刃有余，但是当计算机在全世界流行起来的时候，只用7个bit的128种数值就显得杯水车薪了，况且这128种数值已经被占用了。
这时候就出现了各种各样的字符集，比如汉字编码基本字符集，用2个字节表示一个字符，理论上就能表达65536(+1)种字符。当然咯，实际上只定义了94个区，每个区包含94个位，最多能表示94×94=8836个字符。用第1个字节表示区，第2个字节表示位，区的编号从1~94，位的编号也是从1~94，这是的字符集，但是表示字符时的编码需要在区和位的基础上分别加上0xA0，所以区和位的范围是0xA1~0xFE(0xA0+1~0xA0+94)，这样2个字节中都没有使用小于0x7F的数值，也就能兼容ASCII编码。另外不知道是巧合还是故意为之，0xFF也不在其编码范围内，这一点貌似设计的比较巧妙，巧妙之处后面再说。虽然能表示8836个字符，但是实际存在一些空位，最终只收录了6763个汉字和682个非汉字图形字符，但是对付常用的汉字已经绰绰有余。