关于 编码格式 字符集 的理解（什么是Unicode什么是UTF-8）

1.综述

简单来说：Unicode 是「字符集」UTF-8 是「编码规则」其中：字符集：为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）编码规则：将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）广义的 Unicode 是一个标准，定义了一个字符集以及一系列的编码规则，即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码……Unicode 字符集为每一个字符分配一个码位，例如「知」的码位是 30693，记作 U+77E5（30693 的十六进制为 0x77E5）。UTF-8 顾名思义，是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节：
U+ 0000 ~ U+ 007F : 0XXXXXXX
U+ 0080 ~ U+ 07FF : 110XXXXX 10XXXXXX
U+ 0800 ~ U+ FFFF : 1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

2.为什么不都用Unicode

unicode不完美，这里就有两个的问题，一个是，如何才能区别unicode和ascii？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储空间来说是极大的浪费，文本文件的大小会因此大出二三倍，这是难以接受的。所以在传输和储存的时候都会用什么gb2312，gbk，utf-8，来处理。但是真正在机器上显示啊，计算啊，用的是Unicode。

1.3举个例子

以java 里面为例子
字符在java里内部处理一律用的是Unicode。只有传输和储存的时候才会用gb2312，gbk，utf-8，来处理。