浅析unicode

1、区别编码字符集和字符集编码

首先要注意的是unicode是编码字符集，而UTF-8、UTF-16、UTF-32是字符集编码(好绕哎有没有)。下面我来具体解释一下：

比如汉字的”汉”，在unicode中，汉”的unicode值为0x6C49。问：把这个”汉”字保存到计算机中(硬盘、内存)，机器码是多少呢？ 
学过《计算机组成原理》的人都知道，计算机内部存储的形式都是0101的二进制数字串。”汉”字保存在计算机里肯定也是0101的数字串。”汉”的unicode值是0x6C49，转化为2进制 1101100 01001001，那么把这个”汉”字保存到计算机中也是 1101100 01001001 吗？答案：NO！

答案:取决于用到的字符集编码是哪种 
比如你用到的字符集编码是UTF-8，那么”汉”字在计算机内部保存的值为0xE6B189，也就是111001101011000110001001，可以看到”汉”字变成了3个字节。UTF-8用1-8个字节来保存unicode编码的字符。 
而如果用UTF-16来保存，那么”汉”字仍为仍为0x6C49，也就是 1101100 01001001。UTF-16只能是选两字节或四字节来保存字符 
而UTF-32就是把所有的字符都用32bit也就是4个字节来表示。 
所以这就是编码字符集和字符集编码的区别。

2、unicode的一段历史 
首先要注意unicode并不是用2个字节来表示字符串的。unicode1.0版本，所有的字符都是2个字节。但是现在的unicode编码在一百一十万左右，远远超过了2的16次方，也就是2个字节。所以，现在讲unicode编码是2个字节是错误的！。至于这段历史，大家可以自行google