Unicode 和 UTF-8 有何区别？

点击打开原文链接

简单来说：

                  Unicode 是「字符集」

                  UTF-8 是「编码规则」

其中： 

                  字符集：为每一个「字符」分配一个唯一的 ID（学名：码位 / 码点 / Code Point）

                  编码规则：将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）

 

广义的 Unicode 是一个标准，定义了一个字符集以及一系列的编码规则，即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等...

 

Unicode 字符集为每一个字符分配一个码位，例如「知」的码位是 30693，记作 U+77E5（30693 的十六进制为 0x77E5）。 UTF-8 顾名思义，是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节：

                     U+ 0000 ~ U+ 007F: 0XXXXXXX

                     U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX

                     U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX

                     U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

根据上表中的编码规则，之前的「知」字的码位 U+77E5 属于第三行的范围：

                     7                7              E              5

                  0111          0111        1110         0101                            二进制的 77E5

           ---------------------------------------------------------------------

                   0111                 011111                 100101                     二进制的 77E5

                1110XXXX         10XXXXXX           10XXXXXX                 模版（上表第三行）

               11100111            10011111             10100101                 代入模版

                  E      7                  9      F                    A      5             

 这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。