Unicode
Unicode （中文稱：萬國碼）給每個字元提供了一個唯一的數(shù)位，不論是什么平臺贴浙、不論是什么程式、不論是什么語言姑原。
簡而之悬而，Unicode是字符集呜舒，將所有的文字锭汛，符號等等編碼。
UTF-8 是編碼的方式袭蝗，優(yōu)化 Unicode 的編碼唤殴。
例如： “Hi! 你好”
你看到的 Unicode 字符編碼是這樣的：
H 0048
I 0069
你 4F60
好 597D
每一個字符對應(yīng)了一個16進(jìn)制的數(shù)字。
由于電腦只懂2進(jìn)制編碼到腥，所以按照 Unicode 的方式(UCS-2)朵逝，會按以下儲存：
H 00000000 01001000
i 00000000 01101001
! 00000000 00100001
你 01001111 01100000
好 01011001 01111101
這個字符串共估了8個字節(jié)，對比以上中英文2進(jìn)制編碼乡范，英文前9個都是0配名，占用了硬碟容量，十分浪費晋辆！
怎樣優(yōu)化渠脉？
UTF-8 的誕生就是為了優(yōu)化這個問題。
- 單字節(jié)的字符瓶佳，字節(jié)的第一位設(shè)為0芋膘，對于英語文本，UTF-8碼只占用一個字節(jié)霸饲，和ASCII碼完全相同为朋；
- n個字節(jié)的字符 n>1，第一個字節(jié)的前n位設(shè)為1厚脉，第n+1位設(shè)為0习寸，后面字節(jié)的前兩位都設(shè)為10，這n個字節(jié)的其余空位填充該字符unicode碼傻工，高位用0補(bǔ)足融涣。如以下所示：
UCS-2: 00000000 00000000 00000000 011111112
UTF-8: 0XXXXXXX
-----
UCS-2: 00000000 00000000 00000111 111111112
UTF-8: 110XXXXX 10XXXXXX
------
UCS-2: 00000000 00000000 11111111 111111112
UTF-8: 1110XXXX 10XXXXXX 10XXXXXX
------
UCS-2: 00000000 00011111 11111111 111111112
UTF-8: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX
所以 “Hi! 你好” 就變成了
H 01001000
I 01101001
! 00100001
你 11100100 10111101 10100000
好 11100101 10100101 10111101
對比 UCS-2 及 UTF-8童番，英文的字節(jié)變短了，雖然每個中文字符用多了一個字節(jié)威鹿。但整體來說 UTF-8 只用了9個字節(jié)剃斧，比 UCS-2 的10個字節(jié)小了一點。
整體來說忽你，UTF-8 更節(jié)省了字節(jié)的占用容量幼东，至小在英文字符上的確較為節(jié)省。
