ASCII解决了英语世界的字符编码问题，但计算机从来不是只给美国人用的。当它传到欧洲、亚洲，问题立刻暴露出来。法语里的é，德语里的ö，西班牙语里的ñ，在ASCII表里根本找不到位置。更不用说中文、日文、韩文这些完全不同的书写系统。ASCII的128个位置，对它们来说连零头都不够。

于是各个国家开始各自想办法。欧洲人把ASCII的7位扩展成8位，用最高位多出来的128个位置放本地字母。拉丁语系的ISO 8859-1就是这么来的。但中文没法这样处理，汉字有好几万个，128个位置塞不下。中国在1980年发布了GB2312，全称《信息交换用汉字编码字符集·基本集》。这是一套双字节编码方案，每个汉字用两个字节表示。为了和ASCII兼容，GB2312规定，如果一个字节的最高位是0，就按ASCII解释;如果最高位是1，就和下一个字节一起组成一个汉字。这样英文和中文可以混排在同一段文本里，系统读到0xxxxxxx就知道是英文字符，读到1xxxxxxx就再取一个字节，两个字节合起来查表得到汉字。

GB2312收录了6763个常用汉字，还有标点、数字、拉丁字母、日文假名等。它把汉字按使用频率和拼音、部首排列，一级汉字3755个，按拼音排序;二级汉字3008个，按部首排序。这套编码在中国大陆使用了很长时间，基本上覆盖了日常用字。但它也有局限，生僻字和繁体字不在其中。后来有了GBK、GB18030等扩展，把字符集越扩越大。

问题在于，全球同时存在太多编码方案。同样两个字节，在GB2312里是“中国”，换到日本的Shift-JIS里可能就是完全不同的字，换到韩国的EUC-KR里又是一堆乱码。一封用中文编码写的邮件发到日本，对方打开看到的可能是天书。这种编码割裂让跨语言交流非常痛苦。90年代，Unicode项目试图终结这种混乱。它的目标很简单：给世界上每一个字符一个唯一的编号，不管什么语言、什么平台、什么程序，都用同一套编码。

Unicode本身只是一个字符集，给每个字符分配一个码点，比如“中”的码点是U+4E2D，“A”的码点是U+0041。真正让它在互联网上流行起来的是UTF-8。UTF-8是一种变长编码，ASCII字符用一个字节，和原来的ASCII完全一样;其他字符用2到4个字节。这意味着已有的英文文本不需要任何转换，自动就是合法的UTF-8文本。中文在UTF-8里通常占3个字节。由于这种兼容性和灵活性，UTF-8很快成为互联网的标准编码，今天绝大多数网页、邮件、程序源代码都用它。

从ASCII到GB2312再到Unicode，这条路径反映的是计算机从美国走向世界的过程。ASCII奠定了单字节编码的基础，GB2312解决了中文在计算机上的表达，Unicode则把全球文字纳入同一个体系。编码的演进史，也是一部计算技术全球化的历史。今天我们在浏览器里输入中文、英文、日文、阿拉伯文，能同时显示、混合排版，靠的就是这几十年来一步步建立起来的共识。ASCII不是终点，但它定下的规则，至今仍在影响着每一个字符的存储和传输。