Unicode与UTF-8

Unicode与UTF-8的关系

Unicode是字符集，是一张大表，给每个字符指定一个数字。但是计算机只认0和1，这个数字怎么在计算机中存储呢？用多少位？这就是UTF-8的事了。看了下面这张图，也许就明白了

UTF-8

UTF-8是一种变长的编码方式，它把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。

UTF-8编码规则如下：

1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；

2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。

举粟

一个字节：0xxxxxxx
两个字节：110xxxxx 10xxxxxx
三个字节：1110xxxx 10xxxxxx 10xxxxxx
四个字节：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

Java与UTF-16

Unicode开始制订时，计算机的存储器容量极大地发展了，空间再也不成为问题了。于是 ISO 就直接规定必须用两个字节，也就是16位来统一表示所有的字符。

Java的char类型就是UTF-16编码，还记得char类型占2个字节吗？