字符集编码浅谈：Unicode、UTF-8

近期在工作中遇到不少关于字符集问题。如果想要彻底的解决字符集问题， 需要对字符集原理有深入的了解。这篇文章主介绍字符编码涉及的概念，
后续文章会以Java字符编码作为切入点，结合代码范例，详述Java的字符集，编码解码的详细过程，加深理解！
首先，先了解字符集（CharSet）、编码方式(Encoding)、字形字体(Font)的概念

一：字符集（CharSet）

charset = char + set，char 是字符，set是集合，charset就是字符的集合。字符集就是是这个编码方式涵盖了哪些字符，每个字符映射唯一数字序号。

二：编码方式（Encoding）

编码方式就是一个字符要怎样编码成二进制字节序，或者反过来怎么解析。也即给你一个数字序号，要编码成几个字节，字节顺序如何，如何解码，或者其他特殊规则。

三：字形字体（Font）

根据数字序号映射到字体字形，就可以在页面上显示出来了。所以一个字符要显示出来，要显示成什么样子要看字体文件。

四：Unicode字符集

最早，Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码(一个整数)，
以满足跨语言、跨平台进行文本转换、处理的要求。
所以，Unicode 只是字符集，而没有编码方式。但是要将Unicode字符集应用于计算机传输、解析，Unicode有它的致命缺点。
（1） Unicode字符集不兼容ASCII 。ASCII只需要一个字节，Unicode至少需要2个字节。
（2）由于Unicode字符集的编码长度不确定的，有的字符长度为2个字节，有的字符长度为3个字节，这给计算机解码带了困难。
于是，UTF-8应运而生，既兼容了ASCII，又解决了Unicode解码问题！

五：UTF-8编码

UTF-8是一种可变长的编码方式，一个字符可映射成1到4个字节。 UTF-8给每个字符映射的二进制码前加上一个标记，以便识别该字符占用的字节数，
这样就成功的解决了Unicode中的解码问题。
UTF-8 有以下编码规则：
（1）如果一个字节，最高位（第 8 位）为 0，表示这是一个 ASCII 字符（00 - 7F）。可见，所有 ASCII 编码已经是 UTF-8 了。
（2）如果一个字节，以 11 开头，连续的 1 的个数暗示这个字符的字节数，例如：110xxxxx 代表它是双字节 UTF-8 字符的首字节。
（3）如果一个字节，以 10 开始，表示它不是首字节，需要向前查找才能得到当前字符的首字节

用一句话总结：unicode是一个字符集，utf8是在这个字符集基础上的一种具体的编码方案。utf8解决了unicode字符集的解码问题。

参考文档：
https://www.ibm.com/developerworks/cn/java/j-lo-chinesecoding/
https://en.wikipedia.org/wiki/Unicode#Origin_and_development
http://www.zhihu.com/question/23374078