码表上没有汉字，你的名字去哪了？
汉字在电脑里的编码：字节、Unicode 与 UTF-8
你的名字，那张表上查不到
先把前面的路走一遍。你在键盘上敲一个字母，电脑做两件事：查一张表，把字母换成编号；再把编号写成一串 0 和 1。那张表叫 ASCII，一共 128 个格子，装着英文字母、数字和标点。这些你在上次的电脑里根本没有字，你打的字去哪了？里已经亲手对过了，忘了可以点回去看。
现在拿出你的名字，挑第一个字，去那张表上找。找不到。128 个格子从头翻到尾，一个汉字也没有。
这你早就知道了：汉字另有一张表，厚得多。今天要拆的就是这句话。厚多少？几万个汉字，怎么塞进只有 128 格的地方？
8 个开关只有 256 个编号，汉字有几万个
先回到最里面。电脑里只有开关，8 个开关排成一排，从全关到全开，能拼出 0 到 255，一共 256 个不同的数。这个你拨过：那个游戏还开着，0 和 1 拼数字，8 个开关全扳开，它停在 255。
8 个开关一组，这一组有名字，叫字节。你在手机上看到的「还剩多少 GB」，电脑上文件的「大小」，说的都是字节，只不过一次说的是几亿个。前面几回我们一直说「8 个开关」，今天它有名字了。
为什么偏偏是 8 个一组，不是 7 个、10 个？这里没有道理，是人定的。早年的电脑，有 6 个开关一组的。1956 年，IBM 的工程师维尔纳·布赫霍尔茨（Werner Buchholz）给「一组开关」起了 byte 这个名字。到 1964 年，IBM 造了一种叫 System/360 的电脑，定下 8 个一组；这种电脑卖得太多，别家也就跟着用了。8 个正好装下 ASCII 表上的一个字母，还多一个开关。这你在阿斯克码 ASCII 碰碰乐里碰到过：7 个开关就够 128 格，最左边那个一扳，就出了表。
一个字节，256 个编号。英文字母大小写加起来 52 个，加上数字和标点，128 格就够了，还多。汉字呢？翻开《新华字典》，前面几页写着：收字一万三千多个。三百年前的《康熙字典》，收了近五万个。就算只要常用的，也是几千个。
256 个编号，几万个汉字。一个字节，装不下。
一个开关不够就排开关，一个字节不够就用几个
这个问题你其实已经解过一次。一个开关只有开和关，两种，不够用，怎么办？排一排开关。8 个开关排成一组，就有了 256 种。
现在一个字节不够，办法一模一样：用几个字节，算一个汉字。
今天你用的电脑和手机里，一个字母用一个字节，一个汉字用三个字节。三个字节就是 24 个开关，能拼出一千六百多万个编号，几万个汉字随便放。
拿一个汉字看看。「王」是全中国最多人的姓，就拿它来看。它在电脑里是三个字节：
11100111 10001110 10001011
你的名字里的字，是另外三串 0 和 1。汉字不同，三串就不同；同一个汉字，不管出现在谁的名字里，那三串都一样。
字母一个字节、汉字三个字节，这不是我说说而已。你可以自己数出来。
在记事本里，你能亲手数出来
要准备的： 一台电脑，Windows 或者 Mac 都行。Windows 用自带的记事本，Mac 用自带的文本编辑。
第一步，只打一个字母。 打开记事本，只打一个小写字母 a。别按回车，别打空格，屏幕上就只有这一个字母。
第二步，存起来。 点左上角的「文件」，选「另存为」。文件名打 a，保存的位置选桌面。保存按钮旁边有一栏叫「编码」，看一眼，里面写着 UTF-8。先不用管它是什么，记住这个名字，一会儿它会再出现。点保存。
第三步，看它多大。 到桌面上找到 a 这个文件，用鼠标右键点它，选最下面的「属性」。窗口中间有一行「大小」，写着：1 字节。
第四步，只打你名字里的一个字。 回到记事本，把 a 删掉，打你名字里的第一个字。同样，别打别的。另存为，文件名就用这个字，保存到桌面。
第五步，再看它多大。 右键，属性，大小：3 字节。
做对了是这样：字母那个文件 1 字节，汉字那个 3 字节。如果你看到的是 2 或者 4，多半是打了回车或者空格，回去删干净再存一次。如果看到的数大得多，是「编码」那一栏被换成了别的，重新另存为，把它选回 UTF-8。
用 Mac 的话，步骤一样，只有两处不同。打字之前多一步：点菜单栏的「格式」，选「制作纯文本」，不然它存的不是纯文字。看大小的时候，右键点文件，选的是「显示简介」，「大小」那一行写着 3 字节。
一个字母，一个字节；你名字里的那个字，三个字节。这件事现在是你自己数出来的了。
中国先有了自己的一张表
用几个字节算一个字，只解决了「放得下」。接下来还是那个老问题：哪个编号算哪个汉字？得有一张表，而且大家得用同一张。
中国自己的第一张表是 1980 年定的。那一年，国家标准总局发布了一份标准，叫 GB 2312，第二年 5 月 1 日开始用。这张表收了 6763 个汉字，每个汉字用两个字节。为什么是 6763 个？人们把报纸、书里最常出现的字数了一遍，挑出这些，日常读写够用了。
够用，不等于全够。有些人名字里的字很少见，不在这 6763 个里，那些年他们去办证，电脑里就打不出自己的名字。一张表画到哪里，电脑就认到哪里。
后来全世界的字，放到了同一张表上：「王」是 29579 号
中国有中国的表，日本有日本的表，欧洲各国也各有各的。你在讲 ASCII 那一回已经见过这个局面：各用各的表，机器之间就鸡同鸭讲。
1991 年 10 月，一张全世界共用的表定了第一版，名字叫 Unicode，中文叫统一码。地球上的文字，一国一国地都来这张表上领编号。第二年 6 月，两万多个汉字编了进去。这张表到今天还在长，上面的汉字已经接近十万个，后来连 emoji 也在上面领了编号。
这张表怎么用，和 ASCII 那张一模一样：查表，拿编号。A 在 ASCII 表上是 65 号；「王」在 Unicode 表上，是 29579 号。你名字里的每个字也各有自己的号，都是几万上下的数。
表是从 0 号排起的。最前面 128 个号，原样照抄了 ASCII，A 还是 65。往后是欧洲各国的字母、阿拉伯文、印度的文字。汉字从 19968 号开始，一排排到几万号。emoji 排在十几万号往后。谁排得靠前、谁排得靠后，一会儿有用。
29579 号，怎么装进三个字节
拿到编号，第二步还是老规矩：写成 0 和 1。65 写出来是 01000001，8 个开关，正好一个字节。29579 写出来是：
0111001110001011
16 个 0 和 1。一个字节只有 8 个开关，装不下，得掰开放进几个字节。
可这就出了一个新麻烦。字节在电脑里是一个挨一个存的。机器读到一个字节，怎么知道它自己就是一个字，还是三个字节里的一个？要是分错了，两个字的字节串在一起，读出来就全乱了。
1992 年 9 月 2 日晚上，美国工程师肯·汤普森（Ken Thompson）和罗布·派克（Rob Pike）在新泽西一家餐馆吃饭，在餐垫纸上画的，就是这个麻烦的解法：每个字节开头，留几个开关做记号。 开头是 0，意思是「我一个人就是一个字」，剩下 7 个开关放编号，正好放得下 ASCII 的 128 个号。开头是 1110，意思是「我是三个一组的第一个」。开头是 10，意思是「我是跟在后面的」。记号占掉几个开关，剩下的才放编号。
把 29579 装进去，是这样：16 个 0 和 1 掰成三段，4 个、6 个、6 个。第一段塞在 1110 后面，成了 11100111；第二段塞在 10 后面，成了 10001110；第三段塞在 10 后面，成了 10001011。
回头看前面「王」的那三串，正是它们。现在你也认得开头的记号了：第一串 1110 开头，后两串 10 开头。
这套写法有名字，就是你在记事本里见过的那个：UTF-8。它和 Unicode 各管一头：Unicode 管哪个字是几号，UTF-8 管这个号怎么写成字节。
所以一个汉字三个字节，不是给汉字单独定的规矩，是编号大小定的。一个字节去掉记号剩 7 个开关，装得下 0 到 127 号，ASCII 的字全在这里，写法和以前一模一样，全世界几十年攒下来的英文文件一个都不用改。两个字节剩 11 个开关，装到两千多号，法文、俄文的字母都在这以内。三个字节剩 16 个，装到六万多号，汉字、日文假名都在里面。四个字节装十几万号往后的，emoji 在那儿。汉字排得靠后，就要三个。你数出来的 1 和 3，就是从这顿饭上来的。
拿错了表，你的名字就成了一串怪字
现在你手里有两张表了，看看用错了会怎样。「王守闯」三个字，按 UTF-8 存下来是九个字节。要是有一台机器不知道这是 UTF-8，拿 GB 2312 那张表来读，两个字节两个字节地分：前两个一查，是「鐜」；再两个，「嬪」；再两个，「畧」；再两个，「闂」。最后剩下一个字节，落了单，谁也不是。
屏幕上就出现了：鐜嬪畧闂。你在讲 ASCII 那一回见过这个词，它叫乱码。
字节一个没变，变的只是读它的表。同一串 0 和 1，读对了表是你的名字，读错了表是一串谁也不认识的怪字。这还是讲 ASCII 那一回的那句话：意义不在 0 和 1 里，在表上。
你多半还见过另外三个字：锟斤拷。它的来历多绕一步。电脑碰到读不出的字，会先塞一个「读不出来」的记号顶在那个位置，这个记号本身占三个字节。要是这些记号又被人拿 GB 2312 表两个两个地读，读出来就是锟、斤、拷。所以满屏锟斤拷不是电脑坏了，是两张表对不上。
所以，你的名字去哪里了
它变成了几串 0 和 1，一个汉字三个字节，写在一张全世界共用的表上。记事本里你数出来的那个 3，就是它。
现在你会数了，就再数一样东西。回到电脑桌面，随便找一张照片，右键，属性，看「大小」那一行。你名字里的一个字，3 字节；这张照片，几百万字节。都是 0 和 1，一张照片凭什么比你的名字大一百万倍？
那就是我们下次，要一起拆开看的事了。
延伸阅读：烫烫烫、短信，还有你那三串数
正文到这里就讲完了。这一段是给还想再多翻一页的你，三个小角落，都守在「一个汉字几个字节、读它用哪张表」这一层，不往深里钻。
烫烫烫：另一串读错表的字
老一点的 Windows 程序出错时，屏幕上有时会冒出一排「烫烫烫烫」。它和锟斤拷是同一回事。程序员在写程序、找毛病的时候，电脑会把还没用上的字节先填上同一个数；这个数两个两个地拿 GB 2312 表一读，正好是「烫」。所以「烫烫烫」不是谁打上去的，是一串一模一样的字节被读错了表。
一条短信为什么只能发 70 个字
你可能听大人说过，一条短信最多 70 个汉字。可换成英文，能发 160 个字母。原因和今天讲的是同一件事：短信用的写法和记事本不一样，一个汉字用两个字节，一个字母连一个字节都用不满。一条短信就那么大，装汉字就装得少。
想看你名字里那三串数
正文里我只给了「王」的三串，你名字里的字是另外三串。看它们不用装任何东西。Windows 上，在开始菜单里搜 PowerShell 打开，输入 Format-Hex，空一格，再把你桌面上那个文件拖进窗口，按回车，就能看到三个两位的数。Mac 上打开「终端」，输入 xxd，空一格，拖进文件，回车。屏幕上那三个数，每个就是一个字节，把它们换成 0 和 1，就是你名字里的那个字。