最近工作主要使用的python和java，之前比较少遇到过的编码问题开始浮现出来，再加上自己曾经写过的一个UDF使用的参数被我从java默认的byte[]调成了String，也给自己埋了个大坑。所以解决这些问题之后感觉有必要把编码的问题理一下，避免重蹈覆辙。
常见的编码有 ASCII, unicode, utf-8, ISO-8859-1 等
ASCII 是对应了128个字符，在字节中的第一位全部是0，对应的是英文字符，标点和阿拉伯数字，因此在使用时比较有限，不能够显示很多所需要的字符。ASCII码是python的默认编码方式
1 2 3 | import sys sys.getdefaultencoding() # 'ascii' |
之后，EASCII 成为ASCII码的补充，将字符数量从128增加到256， 扩充的字符包括表格符号，计算符号，希腊字母和特殊的拉丁字符。但表示的字符仍然有限。
另外，ISO-8859-1也是256个字符范围内的编码方式，这种编码与ASCII在前128位保持兼容一致，后面主要补充了拉丁字母，供欧洲使用。但从wiki的图中可以发现，ISO-8859-1并非在256个字符中能够一一对应，图中的绿色部分是没有字符表示的。 目前java在从String转成Byte[]的时候，使用的getbyte[charset]的方法，如果charset未定义则使用默认的ISO-8859-1
以上的三种编码方法都是对应的在一个字节中表示字符，显然，他们都不能对大部分的非英文字符完全表示出来。因此引入了unicode。
unicode 采用多字节进行编码，大大的增加了可表示字符的范围，且unicode可以很好的兼容ISO-8859-1的所有字符。中文也都可以通过unicode表示出来。unicode目前支持的字符还在不断的扩大，目前实际应用的统一码版本对应的UCS-2，使用两个字节表示字符，即65536个字符。
unicode的编码方式和实现方式是不同的，一个字符的unicode是一定的，但在传输过程中为了解决传输字节数，采用了不同的实现方式。
UTF-8 就是最为主要的一种实现方式。通过变长编码，可以将大部分的unicode在两个字节内完成编码，节省了传输资源。具体的前缀码实现在wiki中介绍的很清楚。