Unicode 和 UTF-8 详解

结论

Unicode 是 字符集
UTF-8 是 编码规则

字符集：为每一个字符分配唯一的ID（如 SCII 码）
编码规则：将 码位转换为字节序列的规则

背景

老规矩，我们用图文并茂的方式来讲解：
ASCII 这个字符集 由于仅能表示 英文字符，为了能够涵盖更过国家的字符，因此联合推出了 Unicode 这个字符集。
这里明确了 Unicode 是一个字符集的概念，那么继续解释：
既然有了全球统一的字符集，那当然就要有对应的编码规则，最早的编码规则为 UTF-32：
UTF-32 的规则虽然简单，但是缺陷也很明显，假设使用 UTF-32 和 ASCII 分别对一个只有西文字母的文档编码，前者需要花费的空间是后者的四倍（ASCII 每个字符只需要一个字节存储）。
在存储和网络传输中，通常使用更为节省空间的变长编码方式 UTF-8，UTF-8 代表 8 位一组表示 Unicode 字符的格式，使用 1 - 4 个字节来表示字符。这里需要注意的是 UTF-8 不像是 UTF-32那样 一成不变，如果是英文字符，则用一个字节表示，如果是中文字符，则用三个字节表示。

规则

单个字节的字符，字节的第一位为0,（如英文字符，在UTF-8中只占用一个字符）
n个字节的字符(n>1)，第一个字节的前 n 位设为1，第 n+1 位设为 0 ，后面字节的前两位都设为 10，其余字节填充该Unicode码
UTF-8为了节省资源，采用变长编码，编码长度从1个字节到6个字节不等，一共有如下情况：