Unicode与UTF-8的区别

Unicode是一个字符集，为了保证全球各个国家的字符都能有唯一的二进制码。

UTF-8 是 Unicode 字符集的一种编码实现方式，比如：

那么疑问来了，Unicode已经统一了全球字符，为啥还需要UTF-8呢？

我们说Unicode字符“通常”只有2个字节，但Unicode的字节长度是可以扩展的，以支持那些还未出生的字符（如果将来发现火星上也有人类并且想和我们交流），因此在编码时，单纯地使用Unicode字符集的原始值，就会出现在解码的时候，不知道一次得截取几个字节来翻译成字符，比如6个字节的字符串，它到底是几个字符呢，可能3个，也可能2个。

于是乎，在使用Unicode字符集时，采取一种策略来支持可变长度字节的识别就成了一个刚需，这个时候UTF-8这种编码方式就粉墨登场了，基于Unicode字符集，通过特殊的“前缀码”来规定一个字符需要占用几个字节，恰好这个策略也完美兼容了单字节的Ascii码。

Unicode —>UTF-8 转换的规则如下：

字符“A” 的16进制为0041，在00000000 - 0000007F区间，所以编码之后为1个字节。

字符“中”的16进制为4E2D，在00000800 - 0000FFFF区间，所以编码之后为3个字节。

假如解码时，遇到以下字节串：

01000001    11100100 10111000 10101101  

对于UTF-8来说，是这样完成的：

1，按顺序，先遇到第1个字节01000001，因为第1位二进制码是0，于是根据规则，断定当前字符的编码是1个字节，然后取出Unicode值1000001，翻译出字符“A”；

2，接着走，再遇到第2个字节11100100，因为前4位二进制码是1110，于是根据规则断定当前字符的编码是3个字节，匹配 1110xxxx 10xxxxxx 10xxxxxx后，取出Unicode值为 01001110  00101101，翻译出字符“中”；