unicode与utf-8

一直都没有彻底搞明白这个问题。打算花点时间好好弄明白这个问题。

   一个bit 位（二进制位） 可以表示两个状态 ，0和1 。8个bit 位 就是2^8= 256 ,从0到255，表示256种状态，也就是一个字节。

ASCII码 及 unicode 及utf-8 的出现，由于需求的不断扩大，而延伸出来的。

1. ASCII 最早出现，其中包含26个英文字母及一些符号。一共规定了 128个字符。用到了 一个字节的 后7 位。所以ASCII码的第一位都是 0.

2.但是ASCII码仅仅能表示英语，远远不能满足各个国家的文字，为了满足这个需求，就出现了unicode，在ASCII码中，一个字符用一个字节来表示就足够了，但是有的国家的文字，用一个字节是远远不够的，如中文有 10万左右。至少需要2个字节甚至3个字节，256*256 =65536 就才6万多而已。字符是以2进制存取的，计算机翻译成为字符时，需要知道是截取8个bit还是16个bit来翻译呢？这时就需要一个统一的规定，要求所有国家的字符和一些特殊符号，统一用两个字节或3个字节来表示。这时就出现了 utf-8了。

3. utf-8，是一种变长的编码格式，根据不同的字符，用1至4个字节去表示一个符号。

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。