UTF-8编码方式

    Unicode规定了一套字符集，包含了世界上大多数字符，规定了这些字符的编码，每个编码可以理解为一个唯一的数字。
    Unicode之规定了字符集，只规定了1对应的是什么字符，2对应的是什么字符。至于传输和存储，各个系统必须自己实现。在计算机领域里，一般用 UTF-8，UTF-16，UTF-32 三种传输和存贮格式。

    我们可以说，Unicode是定义，UTF-8 是实现。

----------1. 范围---------

    * Plane 0 (0000–FFFF)，这个范围被称为Basic Multilingual Plane (BMP)，包含了65536个字符，目前全世界的人类文字和字符都被定义在这个范围里。其中大部分是中日韩字符。
    * Plane 1 (10000–1FFFF): Supplementary Multilingual Plane (SMP).
    * Plane 2 (20000–2FFFF): Supplementary Ideographic Plane (SIP)
    * Planes 3 to 13 (30000–DFFFF) are unassigned
    * Plane 14 (E0000–EFFFF): Supplementary Special-purpose Plane (SSP)
    * Plane 15 (F0000–FFFFF) reserved for the Private Use Area (PUA)
    * Plane 16 (100000–10FFFF), reserved for the Private Use Area (PUA)

----------2. UTF-8----------

    UTF-8是一种兼容ASKII的Unicode传输存储格式。根据字符编码的范围不同而使用不一样的存储方式和长度。下面这个表里，字段1表示Unicode编码范围（十六进制），字段2表示编码所使用的存储方式（二进制），或许称为模板更为形象。字段2其实也表示了一个字符在计算机里存储所用的bits。

   UCS    UTF-8
    0000 -     007F | 0xxxxxxx
    0080 -     07FF | 110xxxxx 10xxxxxx
    0800 -     FFFF | 1110xxxx 10xxxxxx 10xxxxxx
   10000 -   1FFFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
200000 - 3FFFFFF | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
4000000 - 7FFFFFFF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

    例如字符“汜”，在unicode里的编码为十六进制的6C5C，范围在0800-FFFF之间，所以取模板1110xxxx 10xxxxxx 10xxxxxx（也就是说，“汜”为三字节的宽字符），“汜”的编码换算成二进制（0110110001011100）後代入模板，得 1110[0110] 10[110001] 10[011100]。中括号里的数字，连接起来就是该字符的unicode编码的二进制表示。

    再例如字符“@”，在Uinicode里的编码是十进制的64，范围在0000-007F之间，所以取模板0xxxxxxx。“@”的编码换算成二进制（1000000）後代入模板，得0[1000000]。它在计算机里的存储方式和ASKII的“@”是一样的。这就是为什么utf-8是兼容ascii的原因。

----------3. UTF-16----------

    UTF-16是一个不兼容ASKII的Unicode传输存储格式，一个UTF-16字符在BMP里总是两字节的，也就是16个bits的。例如字符“@”，它的Unicode编码的二进制表示是1000000，在高位补满16个0，得0000000001000000，这就是“@”Unicode 编码的UTF-16的二进制表示了。因为UTF-16不兼容ascii，而在计算机的世界里存在着大量以ASCII方式存储的数据，所以，现在UTF- 16并没有在文本处理领域里得到广泛使用。因为UTF-16在BMP总是两个字节，所以比起UTF-8，在存储中日韩字符的时候，相同的文本，需要的存储空间比较少。但是存储英文资料的时候，则比UTF-8需要更多的存储空间。