当我在文本文件中输入“a”时，它会占用 2 个字节，但是当我输入“ա”（亚美尼亚字母表中的字母）时，它会占用 3 个字节。
计算机的字母表有什么区别？
为什么英语占用的空间较少？
答案1
第一个被开发用于主流计算机的编码方案是ASCII（美国标准信息交换码)标准，是20世纪60年代在美国开发起来的。
英文字母表使用了拉丁字母表的一部分（例如，英语中很少有重音词）。该字母表中有 26 个字母（不考虑大小写）。而且，在任何假装对英文字母表进行编码的方案中，还必须存在单独的数字和标点符号。
20 世纪 60 年代的计算机还没有我们现在拥有的内存或磁盘空间那么多。ASCII 被开发为所有美国计算机中功能性字母的标准表示。当时，由于当时的技术细节，决定将每个 ASCII 字符的长度设为 8 位（1 字节）（维基百科文章提到，穿孔纸带每次在一个位置上可容纳 8 位）。事实上，原始 ASCII 方案可以使用 7 位进行传输，8 位可用于奇偶校验。后来的发展扩展了原始 ASCII 方案，包括几个重音、数学和终止字符。
随着近年来全球计算机使用量的增加，越来越多使用不同语言的人开始使用计算机。这意味着，对于每种语言，都必须开发新的编码方案，这些方案与其他方案无关，如果从不同语言的终端读取，这些方案就会发生冲突。
统一码通过将所有可能有意义的字符合并为一个抽象字符集，解决了不同终端的存在问题。
UTF-8是编码 Unicode 字符集的一种方式。它是一种可变宽度编码（例如，不同的字符可以具有不同的大小），并且设计用于向后兼容以前的 ASCII 方案。因此，ASCII 字符集将保持为一个字节大小，而任何其他字符则为两个或更多字节大小。UTF-16 是编码 Unicode 字符集的另一种方式。与 UTF-8 相比，字符被编码为一组 16 位或 2 个 16 位代码单元。
正如评论中所述，字符“a”占用一个字节，而“ա”占用两个字节，表示 UTF-8 编码。问题中的额外字节是由于末尾存在换行符（原作者发现了这一点）。
答案2
1 个字节是 8 位，因此可以表示最多 256 (2^8) 个不同的值。
对于需要更多可能性的语言，简单的一对一映射无法维持，因此需要更多的数据来存储字符。
请注意，通常大多数编码使用前 7 位（128 个值）表示ASCII字符。剩下第 8 位，或者说 128 个值用于保存更多字符……添加重音字符、亚洲语言、西里尔字母等，您就会很容易明白为什么 1 个字节不足以保存所有字符。
答案3
在 UTF-8 中，ASCII 字符使用一个字节，其他字符使用两个，三个或四个字节。
答案4
20 世纪 60 年代（以及之后很长一段时间）的字符代码都是特定于机器的。20 世纪 80 年代，我曾短暂使用过一台 DEC 2020 机器，它有 36 位字，以及 5、6 和 8（伊维萨克) 位/字符编码。在此之前，我使用的是带有 EBCDIC 的 IBM 370 系列。7 位 ASCII 带来了秩序，但它与 IBM PC“代码页”一起使用所有 8 位来表示额外字符（例如用于绘制原始菜单的各种方框绘图字符）以及后来的 ASCII 扩展（如 Latin-1（8 位编码，前 7 位与 ASCII 类似，另一半用于“国家字符”，如ñ、Ç、 或其他））变得一团糟。可能最受欢迎的是 Latin-1，它针对使用拉丁字符（以及重音符号和变体）的英语和大多数欧洲语言进行了定制。
编写混合文本（例如英语和西班牙语）很顺利（只需使用 Latin-1，两者的超集），但混合使用不同编码的任何内容（例如包括希腊语或俄语的片段，更不用说日语等亚洲语言）是一场真正的噩梦。最糟糕的是俄语，尤其是日语和中文有几种流行的、完全不兼容的编码。
今天我们使用的Unicode，又加上了像UTF-8这样有利于英文字符的高效编码（令人惊奇的是，英文字母的编码恰好对应ASCII），因此很多非英文字符要使用更长的编码。