UTF-8 & UTF-16 & Unicode

C# 使用 Unicode 编码处理字符和字符串。 char 类型表示 UTF-16 代码单元，string 类型表示一系列 UTF-16 代码单元。

所以查询了一下相关的编码知识

总结如下

Unicode – 可以想象为一种字符与位置一一对应的表格

亘古之初 – ASCII，后来ASCII因为种种原因（简单来说，应该就是跟不上时代发展了），不太够用了。所以就产生了Unicode

Unicode是一个编码方案，Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求

目前的Unicode字符分为17组编排，0x0000 至 0x10FFFF，每组称为平面（Plane），而每平面拥有65536个码位，共1114112个（其实不全对）。然而目前只用了少数平面。UTF-8、UTF-16、UTF-32都是将数字转换到程序数据的编码方案。

主要知识点应该是 17个平面、第0平面有个专有名称–基本多文种平面，又叫plane 0、每平面拥有65536个码位，共1114112个。但是plane 0 有一部分码位没用到

UTF-8 – 针对Unicode的一种可变长度字符编码

UTF-8（8位元，Universal Character Set/Unicode Transformation Format）是针对Unicode的一种可变长度字符编码。它可以用来表示Unicode标准中的任何字符，而且其编码中的第一个字节仍与ASCII相容，使得原来处理ASCII字符的软件无须或只进行少部份修改后，便可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

主要知识点应该是 兼容ASCII、编码长度可变，且中文字符因为在Unicode上的位置的原因，大部分在UTF-8的编码格式中占据3个字节、读取方式基本靠编码首位是0还是1

UTF-16 – 针对Unicode的一种字符编码

可以分为两种形式

第一种
当字符的编码在Unicode上 <0x10000时，U的UTF-16编码就是U对应的16位无符号整数

第二种
当字符的编码在Unicode上 ≥0x10000时，UTF-16搞了一波骚操作，将这个编码分成了上下两段，每段都放在两个字节中，总计使用四个字节（32bit）去表示一个字符。

因为在当前的Unicode编码长度中，当一个字符的编码 减去（-） 0x10000后不会超过20bit，所以这个上下段是平均分的，上下段各分10bit。

问题在于当你各分10bit到上下两段时，每段为两个字节，总计是16bit，剩下6bit怎么填充呢？所以是使用了110110xxxxxxxxxx（高位替代），110111yyyyyyyyyy（低位替代）这种表述形式，就是添加了一个前缀

好了，高位Unicode字符的表述问题解决了，但是有一个新问题，就是Unicode低位字符，即字符对应位置处于1101100000000000 - 101111111111111之间的字符没办法去表述了，怎么解决呢？空着就行了(￣▽￣)"

所以，在Unicode中1101100000000000 - 101111111111111这个位置区间没有编任何对应的字符，也就不会混淆了。

所以，在Unicode 的plane0里面就有一段位置并没有编任何对应的字符，就空着了，而这样也就使得Unicode的有效码位其实并不是（1114112）个，而是（1114112/十进制 - 1101100000000000 到 101111111111111中间的位数）个，有兴趣可以自己算下