字符不是字节

计算机存储字节，即 0 到 255 的值。人类阅读字符：字母、数字、标点、表情符号。字符编码是两者之间约定的映射。把映射弄错，你就会看到经典的乱码（café 变成 café），这几乎总是写入字节所用的编码与读取所用的编码之间的不匹配。

ASCII：最初的 128 个

最古老的广泛使用编码是 ASCII，它把数字 0 到 127 分配给基本的英文字母、数字和常见符号。七个比特，128 个字符。ASCII 简单，至今仍是许多计算的底层基础，但 128 个字符无法表示带重音的字母、非拉丁文字或符号，因此它从来不足以表达世界的文字。

Unicode：每个字符一个数字

Unicode 通过给每个字符一个称为码点的唯一数字来解决覆盖问题，写作 U+0041（字母 A）或 U+2615（一种热饮）。Unicode 是一个庞大的字符及其码点目录，远超十万个，基本涵盖每一种在用的文字。

至关重要的是，Unicode 规定每个字符是哪个数字，但不规定如何把那个数字存储为字节。第二项工作属于一种编码形式。

UTF-8：码点如何变成字节

UTF-8 是把 Unicode 码点转换为字节的主流方式，也是整个现代网络的默认。它是变长的：一个字符根据其码点占用一到四个字节。

  • ASCII 范围（U+0000 到 U+007F）被编码为单个字节，与 ASCII 相同。这就是为何 UTF-8 向后兼容：任何纯 ASCII 文本本身就是有效的 UTF-8。
  • ASCII 之外的字符使用两个、三个或四个字节。因此 é 是两个字节，☕ 是三个，尽管每个都是一个字符。

最后这一点是常见的惊讶之处：一个字符不总是一个字节。 对任何非 ASCII 文本而言，数字节和数字符会给出不同的答案。（UTF-16 和 UTF-32 是同一批码点的替代编码；UTF-8 凭借其 ASCII 兼容性和对拉丁文本的紧凑性赢得了网络。）

Base64 在何处登场

这对 Base64 很重要，因为 Base64 作用于字节，而非字符。 要把一个字符串编码为 Base64，必须先用一种字符编码把字符串变成字节，而那种编码基本上总是 UTF-8。用不同的方案编码同一个字符，你会得到不同的字节，因而得到不同的 Base64。所以文本的完整流水线是：字符变成字节（UTF-8），然后字节变成安全文本（Base64）。解码时，你把两个步骤都倒过来。

Base64 工具 在进行 Base64 编码之前会把文本编码为 UTF-8 字节，并在解码结果不是有效 UTF-8 时予以标记，全部在你的浏览器中。