你有没有想过我们现在的编码是有何而来的？

这周看了一本非常好的书《密码了不起》，通过非常有趣的方式了解了编码的由来。

来看看我们熟悉的编码格式都是怎么来的吧！

摩尔斯电码

18世纪，科学家发现可以用静电实现远距离通信，但是电信号只有“连通”和“断开”两种状态，那么要如何通过他们传递信息呢？

于是科学家发明了“摩尔斯电码”这个方案。

方法

用“点·”和“划-”的不同组合方式来表示我们的字符。

比如：“·-”表示A，“-···”表示B

问题

但是，这个方法的问题是，每个字符所对应的摩尔斯电码长度不同，很容易因为分割位置不同产生多种解码结果，产生歧义。

波特码

于是，当然就有更先进的编码方式来取代了，那就是“波特码”。

方法

固定使用5个“0”和“1”的组合表示一个字符

比如：10000表示A，00110表示B

到这里，我们就可以看到计算机的影子了：

计算机只能识别“0”和“1”，不论什么文件都会转化成“0”和“1”在电脑中储存、处理。

问题

问题又来了，5个为一组的“0”和“1”，总共有2^5^(32)个不同的组合方法，它们能够表示的字符太少了。

ASCII码

为了让波特码表示更多字符，波特对波特码进行了优化，成为了后来的“ASCII码”。

方法

固定使用7个“0”和“1”的组合表示一个字符

问题

能表示的字符数量还是不够，只能表示英语，无法表示其他国家的语言字符。

各国编码标准

各个国家开始制定了支持自己语言字符的编码标准。

比如：Latin/Greek编码用8个“0”和“1”的组合表示一个字符，中文编码标准用16个“0”和“1”的组合表示一个字符…

问题

各国用自己的标准，必定会产生全球信息交流的障碍，不同国家间流传的文本可能会在另一方变成乱码。

Unicode&UTF

于是，在互联网时代，一个全球统一的编码标准当然就来了“Unicode”。

方法

规定使用8个“0”和“1”表示英语字母，16个表示汉字，24个表示emoji。

问题

如何知道什么时候8个为一组，什么时候16个为一组呢？

解决

科学家进一步提出了统一编码变换格式(UTF)的标准来解决。

UTF标准包含UTF-8, UTF-16, UTF-32三种格式。

*Base16, 32, 64

这是用于将计算机中的信息（显示不出来的“0”和“1”）转换成人类能看见的字符的方法。

比如：将一个图片转换成一串字符，用于复制粘贴。

我们经常在浏览器地址栏看到结尾是一串乱码，实际那就是用Base64url表示的。

方法

  • Base16：将“0”和“1”每4个分为一组，总共可以用2^4^=16个字符来表示。
  • Base32：将“0”和“1”每4个分为一组，总共可以用2^5^=32个字符来表示。
  • Base64：将“0”和“1”每4个分为一组，总共可以用2^6^=64个字符来表示。

总结

这些知识总结于《密码了不起》中讲编码的一部分，但编码并不是密码，编码只需掌握规律格式就可以轻松解出。

这本书中主要科普了密码学这个有趣的方向，大家可以在放松时偷闲一读，非常有意思。