UTF-8、UTF-16 和 Unicode 有什么联系
UTF-8、UTF-16 和 Unicode 有什么联系
起源
在计算机发明之初，由于计算机只能存储二进制的数据，美国人民为了交流通信方便，约定了一个编码规范，也就是 ASCII（American Standard Code for Information Interchange:美国信息交换标准代码）；
ASCII 是基于拉丁字母的一套电脑编码系统，是单字节编码，主要用于显示现代英语和其他西欧语言。它使用
7 位二进制数（剩下的1位二进制为0）来表示所有的大写和小写字母，数字0 到9、标点符号，以及在美式英语中使用的特殊控制字符。随着计算机传到了欧洲，发现很多符号（法语，德语等）没办法用 ASCII 表示，于是欧洲人自己也撸了一套编码，也就是 ISO/IEC 8859-1。
ISO/IEC 8859-1 也是单字节编码，并且向下兼容 ASCII，其编码范围是0x00-0xFF，0x00-0x7F之间完全和ASCII一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。和ASCII的区别体现在：ASCII是一个7位的容器，ISO-8859-1是一个8位的容器。
再后来，计算机就传入了中国，中国汉字少说就有几万，常用的就有几千个了。如果要表示中文，显然一个字节是不够的，至少需要两个字节，而且还不能和ASCII编码冲突，所以，中国制定了GB2312编码，用来把中文编进去。于是乎，我们就撸出了一套GBK，并向下兼容ASCII。
GBK 全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code Specification），采用双字节编码，其编码范围从8140至FEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，完全兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的全部中日韩汉字，并包含了BIG5编码中的所有汉字。这时国际组织看不下去了，要是这样下去每个地区都出一套自己的编码，那还得了。于是乎撸了一套把大家的编码都归纳进去的编码，也就是 unicode编码。
Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。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。Unicode 只是一种字符码表， 而在计算机中进行存储时，必须指定一种具体的存储方式。常见的如utf8, utf16, utf32等。
UTF—8
UTF—8(8-bit Unicode Transformation Format)，以8位无符号整数为单位对Unicode进行编码。
UTF-8 的特点是对不同范围的字符使用不同长度的编码，是一种变长编码，对于一个Unicode的字符被编码成1至4个字节。对于0x00-0x7F之间的字符，UTF-8 编码与 ASCII 编码完全相同。
UTF-8编码的最大长度是4个字节，即可以容纳21位二进制数字。而 Unicode 的最大码位0x10FFFF也只有21位。
| Unicode | UTF-8 |
|---|---|
| U+0000 – U+007F | 0xxxxxxx |
| U+0080 – U+07FF | 110xxxxx 10xxxxxx |
| U+0800 – U+FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| U+10000 – U+10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
0 ~0x7F)两个字节长度的uft8 表示的unicode码范围为(0x80 ~ 0x07FF)
三个字节长度的uft8 表示的unicode码范围为(0x0800 ~ 0xFFFF)
四个字节长度的uft8 表示的unicode码范围为(0x10000 ~ 0x10FFFF)
UTF—16
UTF—16(16-bit Unicode Transformation Format)，以16位无符号整数为单位对Unicode进行编码。
UTF-16 也是一种变长编码，对于一个Unicode的字符被编码成1~2个code unit，每个code unit使用16位 （2个字节）。