unicode与utf-8转换

在写程序的时候，发现文本格式输入汉字的时候显示的是乱码。这让人很纠结，编码格式问题。通用的是utf-8编码格式，但是汉字占两个字节，直接使用的unicode字符集，并没有转换成程序的编码格式，只好考虑到如何转换一下。没有找个一个封装好的转换函数，只好网上看了下unicode与utf-8之间的关系，受益匪浅。当然处理汉字输入乱码有很多方式，但是转换下还是比较通用的。

unicode是个字符集，当然里面有1字节，2字节，3字节...目前只考虑汉字2字节。但是道理都是想通的。

先说说utf-8，一种编码格式，也就是如何去实现unicode字符集的方式之一，还是很通用的。utf-8是可变长的编码格式，也就是可以是1个字节，2个字节，一直到4个字节。为了实现可变长，自然有一套它自己的规则在里面：1.单字节的话，第一位设为0，后面七位就可以用来表示unicode内容。2、n字节的话，第一个字节前n位用1表示，n+1用0表示，后面的字节前两位用10，剩下没有用的位数用来记录unicode的内容。所有没有填充的位填充0.

知道utf-8的规则，我们就很好的转换成utf-8的编码格式。举例：111111111字符集中的一个字符，我也不知道是什么，很明显不是单字节，大概比较了下，是2个字节。那么utf-8应该是110xxxxx 10xxxxxx。填充进去，低端6位填充到低端字节，110xxxxx 10111111,剩下的填充到第二个字节，11000111 10111111这就是转换成utf-8之后的格式。