5分钟看懂Unicode和UTF-8

---

Unicode（ 统一码 ）仅仅是一个字符集，码点空间为 U+000000 - U+10FFFF，用数字来映射不同的字符，仅仅规定了特定字符对应的二进制代码，至于这个二进制代码如何存储则没有任何规定。

• Unicode 使用17个平面，每个平面的码点范围为 U+xx0000 - U+xxFFFF，其中xx表示16进制的 0x00 到 0x10，每个平面有 2¹⁶ = 65536个码位，所以 Unicode 总共有 17 * 65536 = 1114112个码位。
• 所有最常见的字符都放在基本平面 BMP（ Basic Multilingual Plane ），这是 Unicode 最先定义和公布的一个平面，编码从 U+000000 到 U+00FFFF。
• 剩下的字符都放在辅助平面，码点范围从 U+010000 到 U+10FFFF。

UTF（Unicode Transformation Format）Unicode转换格式

UTF-8 以字节为单位对Unicode进行编码，使用 1 - 4 个字节表示一个字符，根据字符的不同变换长度。

Unicode 字符集范围（十六进制）	UTF-8 编码（⼆进制）
0000 0000 - 0000 007F	0xxxxxxx
0000 0080 - 0000 07FF	110xxxxx 10xxxxxx
0000 0800 - 0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000 - 0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

UTF-16 : 基本平面的字符占用2个字节，辅助平面的字符占用4个字节。
UTF-32 : 每个字符均占用四个字节。

---