Unicode和UTF8的关系

Unicode是啥？

Unicode为世界上所有字符都分配了一个唯一的数字编号，这个编号一般写成16进制。Unicode就相当于一张表，建立了字符与编号之间的联系。

UTF8,UTF16,UTF32是啥？

Unicode本身只规定了每个字符的数字编号是多少，并没有规定这个编号怎么存储。编号就通过“UTF-8,UTF-16,UTF-32”对应到二进制进行存储。

UTF-32

这是三个当中最简单的，就是字符的Unicode所对应的二进制形式，一个符号4个字节。比如马的Unicode为：U+9A9C，那么直接转化为二进制，它就表示为1001 1010 0110 1100。需要说明是的是转化成二进制之后计算机的存储问题。主要有两种方式：大端法和小端法。大端法就是讲高位字节放到底地址处。如果不分大小端的话，会造成解读错误。

UTF-16

UTF-32和UTF-16就明显的不一样了。UTF-16使用变长字节表示
①当编号在U+0000-U+FFFF之间的字符（常用字符集），直接用两位字节表示
②编号在U+10000到U+10FFFF之间的字符，就需要用四位字节表示了。
同样，这个也需要区分大小端。

UTF-8

UTF-8是根据Unicode编号的大小来使用从1-4不等的字节数，当然，Unicode的编号越小，所用的字节就少。
UTF-8的编码规则：
①对于单字节的符号，字节的第一位设为0，后面的7位为这个符号的Unocode码，因此对于英文字母，UTF-8编码和ASCII码是一样的。
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。
举个例子：
比如说一个字符的Unicode码是130，显然按照UTF-8的规则，这个需要两个字节（一个字节8个比特，两个字节16个比特）第一个字节的前2位设为1，第3位设为0，则第一个字节为：110X XXXX，后面字节的前两位一律设为因为后面只剩下一字节，所以后面的字节为：10XX XXXX，所以它的格式为：110X XXXX 10XX XXXX。

Unicode和UTF-32、UTF-16、UTF-8的关系。

本质上，UTF-32、UTF-16、UTF-8都是Unicode的一种实现。

（来源：本文参考了zhusongziye博主的“你真懂Unicode和UTF-8是什么关系吗？来看看这个彻底懂了！”）