利用UTF-8理解unicode的内容与UTF-8意义

UTF-8编码的意义及历史背景（异或是unicode标准的意义）

• 历史背景
  世界上第一台通用计算机“ENIAC”于1946年2月14日在美国宾夕法尼亚大学诞生，那时正值世纪第二次大战，美军发明计算机的作用是为了快速处理大量的军事数据。之后到了50年代，计算机进入批处理阶段，此时还没有网络的概念，直到60年代通过时间片转换机制的分时系统的出现，各个主机之间为了更快的传输数据进行了连接，这才有了网络的雏形。那么此时出现一个问题，不同操作系统之间，不同厂商之间设备的互联是有隔阂的，为了解决这一问题，也就要有一个固定的格式才能实现不同厂商计算机的互联。这其中有一个统一的编码方式尤为重要，所以UTF-8的意义在于实现不同计算机之间数据传输的正确性。
• 意义
  对计算机有一定了解的一定都知道”ASCII码“，这种编码方式是将一个字符由一个字节来表示，也就是说”ASCII码“最多可以表示256个字符，然而实际的情况是”ASCII码“里面一共编码了127个字符，这对于英语来说是够用的，但是面对浩如烟海的人类文明来说，这小小的”ASCII码“明显是不够用的，而且面对计算机全球化的今天，有一个统一的编码方式的要求摆在了明面上。

利用UTF-8基于unicode来理解unicode

UTF-8要基于unicode组织推出的unicode标准，既然是基于unicode的标准，那么实现的方式自然也就不止UTF-8一种方式，比如 UTF-16、UTF-32等（它们的区别在于UTF-8是将一个字符转换为1到4字节的数据，而UTF-16是将字符转换为2到4字节的数据，UTF-32是将字符转换为4字节的数据），由此可以体会到unicode是一个标准而不是编码方式。

unicode的内容

unicode是用四个四字节来表示一个字符，也就是说一共可以表示4294967296个字符，但是就算是将所有语言的字符都编入unicode也不可能有如此多个字符，直到现在也不过编码了238605个字符。其中使用的空间非常少，其中在第二个字节中十进制编码是0、1、2、14、15、16的编码方式被使用，其中15、16的编码方式是个人使用区，用于使用的个人或者公司自己定义字符，而中文的七万多个字符被保存在0、2的编码中。

unicode和UTF-8转换的方式

unicode编码进行转换为二进制编码之后，对应UTF-8转换规则之后，将二进制编码带入到转换规则中可替换的部分，就可以得到字符在UTF-8中的对应的编码。

其它的编码方式

其它的编码方式有很多，各个国家都有自己的编码方式，比如我国就有GB18030、GBK、GB2312等编码方式，GB18030是GBK的升级版，GBK是GB2312的升级版，如果遇到解析之后是乱码的情况，大概率就是编码不对应。