2.UTF-8使用三个字节表示一个非ANSI字符

       问题的引出是因为在上一篇中使用的编码是 Encoding.UTF8.GetBytes(string)，中文在编码之后居然是占三个字节，而不是两个字节，就好奇去找原因。

      这算是一个拓展文章。

      UNICODE是万能编码，包括了所有符号的编码，它了规定所有符号在计算机底层的二进制的表示顺序，是针对所有计算机使用者定义的一套统一的编码规范，这样计算机使用者就能避免编码转换问题。

      UNICODE定义了所有符号的二进制形式，也就是符号如何在计算机内部存储，而且每个符号都必须使用两个字节表示，也就是用16位二进制去表示一个符号。这样就导致了一个问题，英文编码的空间浪费，因为在ANSI中的符号都是一个字节表示，而是用UNICODE需要两倍的空间存储相应的ANSI编码下的符号。虽然现在硬盘内存都很廉价，但是在网络传输中，该问题就凸显出来了，本来1MB的带宽在ANSI下可以戴白哦1024*1024个字符，但是在UNICODE下却只能代表(1024*1024)/2个字符。

      为了解决符号在网络传输中的浪费问题，就出现了UTF-8编码，Unicode transfer fomat -8，后面的8代表是以8位二进制为单位传输符号。但这又导致一个问题，虽然UTF-8可以使用一个字节来表示ANSI下的符号，但是对于类似汉语的符号，得需要两个字节来表示，所以计算机不知道如何去截取一个符号，也就是一个符号对应的二进制的截取开始位置和结束位置。

      为了解决unicode下的ANSI符号的空间浪费和网络传输下如何截取字符的问题，UTF规定：如果要给符号只占一个字节，那么这个8位字节的第一位就为0.如果两个字节，那么规定第一个字节前两位是1、第三位是0，第二个字节的前两位为10；如果是三个字节，那么第一个字节的前三位是1、第四位是0，剩余两个字节的前两位都为10.

      按照这样的算法思考一个中文字符的UTF-8怎么表示：一个中文字符需要两个字节表示，两个字节一共是16位，那么UTF-8下，两个字节是不够的，因为两个字节下，第一个字节已经占了三位 110，第二个地字节也已占了两位 10。所以就使用三个字节去表示非ANSI字符：三个字节下，一共24位置，第一个字节头四位 1110，后两个字节都是前两位10，那么24-8=16，刚好两个字节去表示UNICODE下的任意一个非ANSI字符。

       这就是为什么UTF-8需要使用三个字节去表示一个非ANSI字符的原因。