在做翻譯的時候，可能會遇到文字顯示亂碼，需要使用特定的編碼方式將文件另存。在Windows操作系統上，我們比較常見的操作是將文件使用“UTF-8”編碼另存，如上圖。
但大家知道何為“UTF-8”嗎？
以下內容是我在《譯者編程入門指南》一書中新增的內容，供大家參考：
要想讓計算機顯示各種各樣的文字，我們需要將所有文字用“字符集”（Character Set）來組織管理。計算機中設置字符集的目標是對人類語言的所有文字進行編碼，使之可以存儲在計算機中，讓計算機通過文字的編碼來識別文字。
計算機最早在歐美國家廣泛應用，當時主要用於處理英文字母，所以那時的計算機應當能正常顯示英語，為此美國國家標準學會（American National Standard Institute，ANSI）在1967年發佈了美國信息交換標準代碼（AmericanStandard Code for Information Interchange，ASCII），一共規定了128個字符的編碼方式，比如數字“0”就有多種編碼方式，如：00110000（二進制）、48（十進制）、30（十六進制）。許多初次接觸這些知識的同學都會覺得匪夷所思，難道計算機還不認識“0”嗎，為什麼一個簡簡單單的“0”要搞出這麼多種編碼方式。其實這些表示方法都是為了計算機能夠更好得處理字符，而非讓人去記住這些複雜的編碼。
英語字母和標點符號少，128個字符就夠用了，但是像漢語這種有成千上萬個漢字的語言，128個字符就不夠用了。中國國家標準總局在1981年頒佈實施了中華人民共和國國家標準《信息交換用漢字編碼字符集·基本集》，編號為“GB2312-80”，我們常稱之為“GB 2312編碼”，這個字符集中漢字共收錄了6763個，同時收錄了包括一般符號、序號、數字、拉丁字母、日文假名、希臘字母、俄文字母等在內的682個字符，共7445個圖形字符。
世界上國家眾多、語言眾多、文字眾多，每個國家都有自己的字符編碼方式，當一臺計算機上眾多編碼方式混在一起的時候，計算機就糊塗了，所以計算機需要一個全世界統一使用的字符集，涵蓋人類使用的全部字符，並賦予每個字符唯一的編碼。
1987年，三位分別在美國施樂公司（Xerox）和蘋果公司（Apple）工作的工程師Joe Becker、Lee Collins和Mark Davis創建了一家非營利組織“統一碼聯盟”（Unicode Consortium），該聯盟於1991年發佈“統一碼標準”（Unicode Standard）。目前該標準的最新版是2018年6月發佈的11.0.0版，共收錄了137374個字符及其對應的編碼。
這家初創組織發佈了這套希望全球共用的字符集後，起初並未掀起太大的波瀾，因為不同國家的人不知道如何使用這套字符集，大家依然使用屬於自己語言的字符集來存儲電子文檔。直到一個名為“統一碼轉換格式”（Unicode Transfermation Format，UTF）的標準出現，這是一種能讓統一碼標準在計算機中得以實際應用的字符編碼方式（Encoding），目前最常用的一種稱為“UTF-8”（亦可寫作“utf-8”）。如今世界上92.9%的網站都在使用“UTF-8”來對網站中的字符進行編碼。
通過上面這段文字的介紹，大家應該能分清楚ANSI、Unicode、UTF-8的關係了吧？但字符編碼知識遠非這麼簡單，仍有許多與我們每日工作息息相關的知識我還沒有仔細介紹，比如：
“UTF-8”中的“8”什麼意思？第8個版本嗎？
GB2312應該是挺老的標準吧，GBK和GB18030跟它有啥關係？
Unicode不是國家標準化組織（ISO）發佈的標準嗎？
......
如果大家對此有濃厚興趣，可以自己再去查查，我以後有時間再和大家分享！
閱讀更多 簡言 的文章
