梳理unicode utf-8

unicode是什么：

是一个字符集：character set

是各个国家各自开发不同的字符集编码之后（比如中国最早是GB2312），国际标准化组织internationalStandardization organization（ISO）为了统一地球上所有的语言字符到一个字符集编码中去。设计了UCS，可以理解为universal character set，再简化一点可以当它是universal code，即unicode

为了统一，并且表示很多的字符。规定所有都必须用两个字节表示。

8位的也需要扩展为16位。（所以对于英文符号来说，高8位永远都是0）、

这英文文本就不干了，这样不就浪费了一倍的空间来保存文本吗？

16位需要两个8位来存储。这就衍生出了一个概念。“字符”

一个字符是两个字节。

由上我们看出，unicode有两个问题：

1、空间浪费

2、无法确定几个字节表示一个字符。

接下来先讲一下unicode在互联网出现后，由传输方式的不同衍生出的不同版本UTF。

UTF（UCS Transfer Format）定义了一次传输几位数据，UTF-8就是每次8个位传输，而UTF-16就是每次16个。

UTF-8最大的一个特点，就是它是一种变长的编码方式。

它可以用1~4个字节来表示，通过某些规则我们可以看出每个字符用了多少个字节。

具体的规则可以直接读图

最后简洁概括：

Unicode is charset。

UTF-8 is encoding。