关于UTF-8编码

在Java语言中，使用Unicode编码来表示数据，是最多占2个字节的！在程序运行时，数据是在内存的，根据不同的数据类型可以很好的区分相关的数据，但是，如果数据需要传输到内存以外，例如存储到硬盘中，或者传输到网络中，数据转换为二进制的序列，就无法被接收方正确的处理！

如果需要使用a，它的二进制表示是110 0001(忽略最高位的符号位)，假设存在汉字程的二进制是111 0011 1100 1011(假设值)，如果需要传输a程a这样的字符串，则实际传输的二进制数是1110 0001 1111 0011 1100 1011 1110 0001，当接收方收到这个数据以后，根本无从判断这到底是2个汉字，还是4个字母，或1字母1汉字1字母，或2字母1汉字、1汉字2字母。

所以，当数据需要传输到内存以外时，必须为这些数据再制定一些特殊的规律，使得接收方能明确的接收相应的数据！

UTF-8就是Unicode的传输编码(Unicode Transfermation Format)，这种编码是将Unicode的基础之上添加了特定位数表示特定意义的，以在UTF-8中占2字节为例，二进制序列的格式是：

110 xxxxx   10 xxxxxx

即：只要是UTF-8中占2个字节的字符，第1个字节的前3位都是110，第2个字节的前2位都是10，这几个字节是有特殊意义的，不作为编码位，其中，110中有2个1，表示从这个字节开始，连接的2个字节是1个字符，第2个字节前面的10表示前面的字节并没有完全表示1个字符，当前字节是继续表示同一个字符的。

UTF-8也可能使用3个字节来表示1个字符，当使用3个字节时，其格式是：

1110 xxxx   10 xxxxxx   10 xxxxxx

UTF-8也可能使用4个字节来表示1个字符，当使用4个字节时，其格式是：

11110 xxx   10 xxxxxx   10 xxxxxx   10 xxxxxx

所以，UTF-8编码最多可能使用4个字节来表示1个字符，在MySQL中，如果需要表示这种能识别4字节对应1字符的编码方式，需要将编码显式的设置为utf8mb4，否则，默认的utf8表示的是utf8mb3。