09 - 文字和图片是怎么变成 0/1 的

数字能变成二进制我们懂了。那你屏幕上的这些汉字、你相册里的照片，又是怎么变成 0 和 1 存进计算机的？答案还是第 01 章那句话：约定一套编码规则。这一章讲清楚文字和图片的编码思路，顺便理解「乱码」是怎么来的。

文字：给每个字符编个号

思路很朴素：列一张大表，给每个字符分配一个唯一的数字编号，存的时候存这个编号（编号本身是二进制数），显示时再按表翻译回字符。

早期计算机只需要表示英文字母、数字、标点，一张 128 个编号的小表就够了，这就是 ASCII。比如：

一个字符用一个字节存，够用又简单。

但世界上有汉字、日文、阿拉伯文、emoji……几万上十万个字符，128 个编号远远不够。于是有了 Unicode：一张囊括全世界所有字符的超级大表，给每个字符（包括每个汉字、每个 emoji）都分配唯一编号。比如汉字「中」的 Unicode 编号是 20013。

Unicode 只是「编号表」，具体怎么把这些编号存成字节，最流行的方案是 UTF-8。它很聪明：

常用的、需求量大的字符用得少字节，生僻的才用得多——这种「按需分配长度」的设计，让 UTF-8 既省空间又能表示全世界的字。今天的网页、代码文件绝大多数都用 UTF-8。

如果存的时候用一套编码规则，读的时候却用了另一套，翻译就对不上号，屏幕上就是一堆鬼画符——这就是乱码。所以打开文件出现乱码时，改一下「编码方式」往往就好了。

乱码的本质：编码和解码用的「字典」不是同一本。

图片的思路是把整幅图切成一个个小方格，每格叫一个像素（Pixel），然后记录每个像素的颜色。

而颜色又可以用数字表示：任何颜色都能由红（R）、绿（G）、蓝（B）三种基色按不同比例混合而成。每种基色用一个 0~255 的数字表示强度：

一个像素 = (R, G, B)
  纯红   = (255, 0,   0)
  纯白   = (255, 255, 255)
  纯黑   = (0,   0,   0)

于是一张图片，就变成了「一大堆像素、每个像素三个数字」，而数字都能写成二进制。这就是图片变成 0/1 的原理。

这解释了为什么原始图片那么大：1920×1080 的图有约 200 万个像素，每个像素 3 个数字，加起来好几 MB。

如果每张图都老老实实存每个像素，文件会大得离谱。所以有了图片压缩格式（JPG、PNG 等），用巧妙的算法把数据压小：

声音、视频也是类似套路：先把连续的信号采样成一串数字，再用各种压缩格式（MP3、MP4）把体积压下来。

一切信息变成 0/1 的通用套路就是：约定一套编码规则。
文字：给每个字符编唯一数字编号。ASCII（英文小表）→ Unicode（全世界字符大表）→ UTF-8（省空间的存储方式，按需用 1~4 字节）。编码与解码规则不一致就会乱码。
图片：切成一个个像素，每个像素用 RGB 三个数字表示颜色，数字再转二进制；像素越多越清晰、越占空间。
原始图/音/视频太大，于是有 JPG/PNG/MP3/MP4 等压缩格式（分有损和无损）。

下一章 → 10 - 按一次键盘，电脑内部发生了什么｜回到 README 目录