『Others』Unicode和UTF-8的区别

我们知道，世界上存在着多种编码方式，所以同一个二进制数字在不同的编码中被解释成不同的符号。因此，如果我们想要打开一个文本文件，我们必须知道它的编码方式，否则使用不正确的编码方式打开，就会出现乱码。

Unicode

由于上述问题，所以人们就在想，能不能用一种编码，表示世界上所有的符号，每个符号都给与一个独一无二的编码，这样的话，乱码问题就会消失。于是Unicode就诞生了。
Unicode（Universal Character Set，UCS，通用字符集）。Unicode是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码如何来存储。
比如：汉字“蒙”的Unicode是十六进制数8499，转换成二进制数足足有16位（1000 0100 1001 1001），也就是说这个符号的表示至少需要两个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。
这里就有两个问题：

1. 如何才能区分Unicode和ASCII？计算机如何知道三个字节是表示一个符号，而不是分别表示三个符号呢？
2. 我们知道，英文字母只用一个字节表示就够了，如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有2到3个字节为0，这对于存储来说是极大的浪费，文本文件的大小会因此大出两三倍，这是无法接受的。

---

UTF-8

UTF-8（8-bit Unicode Transformation Format）是一种Unicode的实现方式，Unicode的实现方式还有UTF-16和UTF-32。再说一遍，UTF-8是Unicode的实现方式之一。
UTF-8是一种针对Unicode的可变长度字符编码，他可以使用1~4个字节来表示一个字符，根据不同的符号而变化字节长度。
UTF-8的编码规则有两条：

1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的Unicode码。因此对于英文字母，UTF-8编码和ASCII码是相同的。
2. 对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的Unicode码。
   我们来看一个例子：