unicode和utf

  unicode和utf-8之间最大的区别就是在存储上。unicode是宽字符存储（字符都是2个字节或4个字节来存储），而utf-8是多字节存储， 字符的个数是不确定的（比如英文字符是1个字节表示，汉字可以是2个到6个来表示），其字符的首字节的前几位表明了它的字节个数。比如某个3字节汉字的 uft－8编码（二进制）如下：  
  1110xxxx   10xxxxxx   10xxxxxx  
  首字节中1的个数为3表明该汉字用3个字节来表示。


Unicode定义了两种编码格式：UTF-8和UTF-16。UTF-8编码与ASCII向后兼容。任何合法的ASCII编码都会自动成为合法的 UTF-8编码，使得将现有的ASCII数据库转换为Unicode数据库非常容易。UTF-8使用一个码点值来生成一个分布到一到四个字节上的位模式。    
   
  给定字符的UTF-8编码中的每个字节都被称为一个编码单元。标准ASCII字符集中字符的码点使用0x00到0x7F范围内的单一编码单元进行编码。大多数非亚洲文字用一个或两个编码单元（或字节）来表示每个字符。  
   
  在Unicode   3.1中，定义了大量新的增补字符，每个字符需要包含四个UTF-8编码单元。    
   
  第二种重要的编码格式是UTF-16，它使用了一个双字节的编码单元。最重要的是，UTF-16和ASCII一样简单，因为编码单元的值与0x0000到 0xFFFF范围内的任意码点的码点值相同。对于该范围内的字符，UTF-16是固定长度的双字节编码。再回过来看一下我们前面涉及ghe的例子，你可以 使用直接与该字符的码点对应的编码单元0x0490在UTF-16中表示它。 


就是说，ascii字符在utf-8里面还是一样的，一个字节表示，超出ascii字符范围的，就用多字节表示，字节的数目由第一字节确定，最多6字节。如下：  
  utf-8：  
  1字节：0XXXXXXX（ascii）  
  2字节：110XXXXX   10XXXXXX  
  3字节：1110XXXX   10XXXXXX   10XXXXXX  
  4字节：11110XXX   10XXXXXX   10XXXXXX   10XXXXXX  
  5字节：。。。  
  utf-16：所有：XXXXXXXX   XXXXXXXX  
  ascii：XXXXXXXX   00000000