Unicode编码相关的一个标准----UTF8

Unicode给每一个字符分配一个唯一的值，称为码点，但并不指定如何用这些值来表示原始文本。码点的形式为U+nnnn，其中nnnn指的是这个码点的十六进制值。Unicode目前支持超过100 000个字符。

UTF-8是一个Unicode相关的标准，是一种使用码点来代表原始文本的简便方法。尽管有许多表示Unicode的方法，但是UTF8具有很大优势，它向后兼容ASCII编码。UTF-8用1-4个字节来表示一个码点。每个出现ASCII字符集中的字符都被编码为一个字节，与对应的ASCII编码值是一样的。

UTF8的编码方式很直观，下面是其编码规则：

（1）如果最高有效位是0，那么这个字节的形式为0xxxxxxx，编码长度为1个字节。这个字节代表了码点，由后7位表示，它同时也代表了具有相同7位ASCII值的那个字符。

（2）如果第一个字节的最高有效位是1，那么其编码长度为2-4个字节，接下来的字节位就指示了用一元编码的长度。

         A：两字节的编码的第一个字节形式为110xxxxx

         B：三字节的编码的第一个字节形式为1110xxxx

         C：四字节的编码的第一个字节形式为11110xxx

       一个多字节编码的第二个及其后字节的形式都为10xxxxxx。通过检测任意字节的两个最高有效位，可以判断该字节是否为一个编码的起始字节。

（3）因为首字节的最高有效位被占用了，所以2-4字节编码的码点值由后面未被占用的位来决定。两字节的编码能力表示范围 U+0080  --  U+07FF内的码点。三字节的编码能表示范围U+0800 -- U+FFFF内的码点，四字节的编码能表示U+10000及以上范围内的码点。