Unicode和UTF系列（2）

UFT-8

UTF-8采用的是变长码的方式，其编码规则如下：

代码点值的范围（16进制）第1字节第2字节第3字节

00000000-0000007F0xxxxxxx0-127）

00000080-000007FF110xxxxx（192-223）10xxxxxx（128-191）

00000800-0000FFFF1110xxxx（224-239）10xxxxxx（128-191）10xxxxxx（128-191）

注：x的内容是将左边代码点的二进制值依次注入。

理论上UTF-8可以达到6个字节编码（上表省略后3位字节以上的编码方式），但实际上，我们一般只采用0x00000000到0x00000000FFFF的范围内的字符，也就说UTF-8实际上只采用了3个字节编码。

UTF-8除了省空间和兼容ASCII的优点后，其编码方式（类似于哈夫曼编码，很容易判断出1个字节及其后面的字节数）决定了它以下两个优点：

1、与字节顺序无关,可以在不同平台之间交流。

2、容错能力高,任何一个字节损坏后,最多只会导致一个编码码位损失,不会链锁错误(如GB码错一个字节就会整行乱码)

UTF-16和UTF-32

UTF-16是变长码，大致上相当于UCS-2码的直接实现，但是也有一部分UCS-4的字符。所以可以猜到，它大部分是采用2个字节编码，而有部分特殊符号采用3字节编码，所以大致相当于20位编码,值在0到0x10FFFF之间。

UTF-32用四个字节表示代码点，这样就可以完全表示UCS-4的所有代码点。