总结unicode和utf-8的区别

讲在最前面：两者之间的区别：

unicode是字符集

utf-8是编码规则。

讲讲字符集的历史。

话说当年有一群人，用8个可以开合的晶体管来组合成不同的状态，来表示世间万物。这8个开合状态，他们称之为字节。后来他们又做出了可以处理这些字节的机器，他们称之为计算器。

(ASCII),开始计算机只在美国用。8位字节一共可以组合成256种状态。他们把其中编号从0开始的32种状态分别规定了特殊的用途，这些字节传过来时就要做一些约定的动作，他们看这样挺nice的，于是0x20以下的字节状态称为控制码。他们又把空格，标点符号，大小写等其他的符号编到了127号，这样计算机就可以用不同的字节来储存英语文字了，然后大家觉得很棒棒，这个就是ASCLL(as key发音)编码的来历。

再到后来，世界上用计算机的人越来越多，但不是每个国家的人都是使用英语的，于是乎他们决定采用127号后面的空位来表示这些新的字母符号，从128到255这一页的字符集称为扩展字符集，从此以后再也没有新的状态可以用了。毕竟才8个字节。

(GB2312)后来到了中国人使用电脑时，发现没有可以利用的字节状态来表示汉字了，可恶啊。但是国人是很聪明的，做出了以下规定：把127号之后的奇异符号全部取消掉，一个小于127的字符意义与原先相同，但两个大于127的字符连接在一起时就表示1个汉字（128*128=16384，表示汉子够用啦），前面一个字节从0xA1到0xF7，后一个字节从0xA1到0xFE，这样可以组合出7000多个简体汉字，我们还把很多其他的东西编了进去，反正有多的状态，还把本来ASCII里面有的数字、标点、字母从新编了两个字节长的编码，这就是常说的全角字符。所以说GB2312是ASCII的中文扩展。

后来发现还是不够用，又把GB2312扩展了下，就规定只要第一个字节大于127就是汉子的开始，所以那个时候，会编程的计算机僧侣经常念叨：一个汉字算两个英文字符，当年大一学的总算理解了

当时每个国家的人都像中国这么整，每个都有自己的编码标准，所以要想在计算机上显示汉字就必须装上相关的汉字系统，折磨啊，要是装错，就会乱码。

就在这个时候，ISO(国际标准化组织)决定解决这个问题，方法很简单，废除所有地区的编码方案，从新制定编码规则，这就是后来的unicode。扯了这么多总算到正题了。

unicode开始制定的时候，计算机储存已经极大的发展了，空间已经不是问题了，于是ISO规定必须用两个字节来统一表示所有字符。原来的半角字符都扩展为16位，只是高8位全是0，大气啊。

从unicode开始，无论是半角的英文字母，还是全角的汉字，统统是统一的一个“字符”，也都是统一的两个字节，字符是一个文化相关的单位，在unicode中一个字符就是两个字节，一个汉字算两个英语字母的时代已经过去了。

unicode同样也有不完美的地方，如何区别ASCII和unicode

为了解决unicode如何在网络上传输的问题，于是面向传输的众多UTF标准出现了，UTF-8顾名思义就是每次传输8位数据。UTF-8是使用最广的方式。

UTF-8最大的特点，就是他是一种变长的编码方式。他可以用1~4个字节表示一个符号，根据不同符号而变化字节长度。参考文章：https://www.zhihu.com/question/23374078