理解utf-8

摘自

UTF-8的编码规则很简单，只有二条：

1）对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

下表总结了编码规则，字母x表示可用编码的位。

unicode 编码也称万国码，统一码。使用两个字节来表示编码，而utf-8是unicode编码的一种实现方式采用1～4个字节来进行编码，属于变长编码方式。unicode能表示ASCCI码以及他的扩展编码集还有其他，两个字节其实对于汉字，韩文，日文这些超大集合是没办法表示全的，utf-8编码在这时就显得非常必要了。unicode编码中的汉字统一是两个字节，从上表可以看出，当utf-8是三个字节时，他余下的空位刚好是16位（两个字节），所以utf-8中的三个字节可以将unicode中的所以汉字全部包括在内，并在四个字节时做出扩充，所以说汉字在utf-8中都是大于等于三个字节的。