Unicode编码和变量类型

Unicode

​ 虽然通过使用不同字符集，我们可以在一台机器上查阅不同语言的文档，但是我们仍然无法解决一个问题:

如果一份文档中含有不同国家的不同语言的字符，那么无法在一份文档中显示所有字符。

为了解决这个问题，我们需要一个全人类达成共识的巨大的字符集,这就是Unicode字符集。
Unicode字符集涵盖了目前人类使用的所有字符，并为每个字符进行统一编号，分配唯一的字符码(CodePoint)。Unicode字符集将所有字符按照使用上的频繁度划分为17个层面(Plane),每个层面.上有216=65536个字符码空间。
其中第0个层面BMP，基本涵盖了当今世界用到的所有字符。其他的层面要么是用来表示一些远古时期的文字，要么是留作扩展。我们平常用到的Unicode 字符，一般都是位于BMP层面上的。目前Unicode字符集中尚有大量字符空间未使用。

缺点：

​ Unicode只是规定了一个符号的二进制代码，但是没有规定二进制代码应该如何进行存储：无法区别Unicode和ASCII。 并且使用Unicode编码的英文字母需要用三到四个字节去表示，会造成极大的存储空间浪费。

utf-8

​ utf-8是unicode的一种实现方式，使用最为广泛。

​ utf-8是一种变长的编码方式，使用1-6个字节去表示一个符号，解决了Unicode的英文字母浪费空间的缺点。

​ utf-8编码规则：

• 对于单字节的utf-8，字节的最高位为0，其余七位用来对字符进行编码。
• 对于多字节的编码，如果编码包含了n个字节，那么第一个字节的前n位为1，第一
  编码，如果编码包含了n个字节，那么第一个字节的前n位为1，第一
  个字节的第n+1 位为0，该字节的剩余各位用来对字符进行编码。在第一个字节之后的所有的字节，都是最高两位为"10"，其余6位用来对字符进行编码。