字符编码
本文中出现的所有数字均为自然书写（低位在右）。
本文中出现的所有字节流均为低地址字节在左。
Unicode
Unicode 标准由统一码联盟（The Unicode Consortium）制定。
Unicode 将字符与0x0至0xD7FF之间、0xE000至0x10FFFF之间的数字一一对应。最多可以表示 1112064 个字符。
Unicode 字符通常使用 U+十六进制数表示。
代理项对
0xD800至0xDFFF之间的数字用于构建代理项对（surrogates pair）：
0xD800至0xDCFF称为高代理项（high surrogates）。0xDD00至0xDFFF称为低代理项（high surrogates）。
代理项对的意义是实现 UTF-16 的 2、4 字节变长存储。因此，代理项对被禁止对应任何字符。
在 UTF-16 的处理过程中，计算机通常将 2 个字节的 UTF-16 解码成 1 个 Unicode。代理项对的出现指示计算机需要将 4 个字节的 UTF-16 解码成 1 个 Unicode。具体的转换方式详见后文 UTF-16 部分。
平面
Unicode 被划分为 0-16 共 17 个平面（plain），每个平面包含 65536 个字符。
将 Unicode 右移 2 字节即可得到所在平面的编号。
其中U+0至U+FFFF所在的第 0 平面称为基本多文种平面（Basic Multilingual Plane，BMP）。
UTF
Unicode 仅仅指定了字符与数字的映射关系，并没有指定其实际存储方式。Unicode 的存储方式称为 UTF。
UTF 全称 Unicode Transform Format，是 Unicode 的转换格式。
UTF 标准由统一码联盟（The Unicode Consortium）制定。
UTF-8
UTF-8 是一种 Unicode 的 1-4 字节变长存储方式，向下兼容 ASCII（ISO-646）和 ANSI（扩展 ASCII ，ISO-8859‐1‐1987，Latin-1）。
存储方式：
| # | Unicode | bit 容量 | 字节流 |
|---|---|---|---|
| 1 | U+0至U+7F | 7 | 0b0xxxxxxx |
| 2 | U+80至U+7FF | 11 | 0b110xxxxx 0b10xxxxxx |
| 3 | U+800至U+FFFF | 16 | 0b1110xxxx 0b10xxxxxx 0b10xxxxxx |
| 4 | U+10000至U+10FFFF | 21 | 0b11110xxx 0b10xxxxxx 0b10xxxxxx 0b10xxxxxx |
编码方法：
- 将 Unicode 转换成二进制编码。
- 对比二进制编码的位数和 bit 容量，选择合适的编码方式。
- 从右往左，依次用二进制编码填入字节流中的
x，不足的位补0。
例1：
U+5F20（字符张）转换成二进制编码0b 0101 1111 0010 0000。- 二进制编码的位数为15，选择编码方式3。
- 将
0b 101 111100 100000填入，得到 UTF-8 的二进制形式0b11100101 0b10111100 0b10100000（十六进制形式0xE5 0xBC 0xA0）。
例2：
U+1F604（字符