关于unicode与utf-8的认识

unicode起源

说到unicode就不得不说ASCII，ASCII是有美国定制的一套字符集，其中是字母与二进制的对应关系，ASCII为一个字节，一个字节中的后七位与字符一一对应，比如01000001对应大写字母A,7位二进制完全能够满足英文字符了，但是后面互联网普通，中文可不是7位二进制，128个数字能完全表示的，更别说其他国家的语言，因此出现了很多只能适用于特定语言的编码规则，比如说GB2312，BIG5等等，那这样不同国家间的沟通就变得费劲起来，于是unicode出现了，其本质也是一个字符集，里面拥有全世界语言字符对应的二进制数，比如汉字詹对应unicode：ox8a79,世界上所有的字符（当然一些太生僻的应该不会有，甲骨文应该没有吧。。。）都能在里面找到一一对应的二进制。

加深印象

不知道你有没有用过php函数ord,文档解释是说返回一个字符的ASCII码，其实这里可以理解为返回字符的编码，反过来通过这个编码也在unicode中可以找到对应的字符，比如ord(‘h’)会返回104,通过查字符集表发现104的确对应字母h，于是我继续ord

返回了232，查询232，结果是这样的

明显不对，研究了一下，原来ord函数返回字符串第一个字符，也就是第一个字节的ASCII码，因为字符‘h’本来就占一个字节，当然能正确返回，而在utf-8中，中文字大多是占3个字节的，于是可以这样

相应的返回

连接起来并转换成二进制就是

11101000 10101001 10111001

然后需要把这个转换成unicode编码，这样才能在unicode字符集中找到他对应的中文字，关于unicode与utf-8的互转这里就不多阐述，下面一张图：

互转方法可以看这里utf-8与unicode

最后得到unicode的编码为 10001010 01111001，即35449，与网上查到的值吻合：

如有不准确的地方烦请指正，共同学习共同进步