一、两种「通」的区别

「计算机通信」这个词在书里指早期那种点对点传数据：把一台机器上的比特原样搬到另一台机器上。 「信息通信」多了一层：搬过去的比特要能被理解——文字要认得出字，图像要认得出画面。

第三行那个「乱码」是最典型的症状：比特一个没丢，但两端用的码表不一样。 所以「信息通信」的排障和「计算机通信」完全不同：前者查编码声明，后者查链路质量。

二、编码决定字节数

同一段文字，用不同编码写出来长度不同，因为这个字符集里每个字符占几个字节不一样。

第二行那个 3 字节是 UTF-8 的关键设计：常用汉字落在三字节区，生僻字落在四字节区。 而 ASCII 只占 1 字节——所以「UTF-8 兼容 ASCII」这句话是字面意思： 一段纯英文文本，存成 UTF-8 和存成 ASCII，字节完全一样。 这也是 UTF-8 能取代 GBK 的技术原因之一：它不需要为英文单独优化，天生就省。

三、声明在哪里

接收端怎么知道该用哪张码表？靠声明。 声明的位置分三层：

第三行那个 BOM 是最容易出问题的一种：它在文件最前面塞三个看不见的字节， 有些程序（尤其是脚本解释器）会被它绊倒。 排障经验：看到「第一行明明是对的却报语法错」，先查有没有 BOM。 用十六进制看一眼头三个字节就知道——EF BB BF 就是它。

四、动手 Demo：从计算机通信到信息通信

把同一句话用四种编码写出来，比字节数，并检查能不能原样还原。 这段文字故意混了汉字和 ASCII，这样四种编码的差别才看得出来。

s = u'图解TCP/IP'
for enc in ('ascii', 'utf-8', 'gbk', 'utf-16-le'):
    try:
        b = s.encode(enc)
        print('%-10s %2d 字节  %s' % (enc, len(b), b[:12].hex(' ')))
    except UnicodeEncodeError:
        print('%-10s 编不出来' % enc)

实跑输出：

--------------------------------------------------------------------
从计算机通信到信息通信
--------------------------------------------------------------------
**「计算机通信」关心的是把比特送到；「信息通信」关心的是送过去之后人能不能看懂。**同一句话，
用不同编码承载，字节数就不一样。

  编码          字节数     前 12 字节                              能还原
  --------------------------------------------------------------------------
  ascii         —          —                                       编不出来
  utf-8         12         e5 9b be e8 a7 a3 54 43 50 2f 49 50     能
  gbk           10         cd bc bd e2 54 43 50 2f 49 50           能
  utf-16-le     16         fe 56 e3 89 54 00 43 00 50 00 2f 00     能

**同一段文字，ascii 直接编不出来、utf-8 要 12 字节、gbk 要 10 字节、utf-16 要 16 字节。**
**汉字越多，几种编码的差距越大**：utf-8 一个汉字占 3 字节，gbk 占 2 字节，
utf-16 一律 2 字节但每个 ASCII 字符也要 2 字节。

**这就是「信息通信」比「计算机通信」多出来的那一层麻烦**：
**比特送到了还不算完，两端得先说好用哪张码表。**
**HTTP 里那个 `Content-Type: text/html; charset=utf-8` 就是干这个的。**

ascii 那一行是「编不出来」，不是「编出来更短」—— 「图解」两个汉字不在 ASCII 的 128 个字符里。 这一行最能说明「编码是一张表」：表里没有的字符，编码器只能报错，不能凭空造。 注意 utf-16-le 那行的前几个字节 fe 56 e3 89： 「图」的 Unicode 码位是 U+56FE，小端存放就变成 fe 56。 这也是为什么叫「小端」——低位字节放前面。

30 秒实验

1. 把字符串换成纯英文 u'hello'，看四种编码的字节数变成多少，验证「UTF-8 兼容 ASCII」这句话。
2. 把字符串换成 u'龟'（一个四字节 UTF-8 的字？先查一下），看 utf-8 是不是真的变 4 字节。
3. 试试 u'\ufeffhello' 编码成 utf-8，看头三个字节是不是 ef bb bf。

常见误区

1. 以为 UTF-8 里一个汉字总是 3 字节。 常用字 3 字节，生僻字 4 字节，扩展区甚至更多。
2. 以为 ASCII 是 UTF-8 的子集所以可以混用。 短文本没问题，长文本会有 BOM、行尾等差异， 混用迟早出事。
3. 以为乱码是「数据坏了」。 乱码的数据往往一个字节没少，只是两端码表不一致。 改声明就能修好。

下一节回到用途：通道有了、编码定了，网络最早被拿来干的事是「共享」。

• ☐ （本节完，下一节 1.1.4 计算机网络的作用）

相关笔记

• 从独立模式到网络互连模式
• 计算机网络的作用
• 📚 图解TCP／IP · 索引