字符串编码-Unicode

作为程序员难免会与字符串打交道，而字符串的编码方式接触得最多的就是ASCII码了，然而ASCII码每个字母对应1Byte，因此字母总量最多只有256个，这是不能满足世界上众多的文字的需求的，因此，Unicode编码的出现便是必然的。

Unicode

Unicode 为世界上所有字符都分配了一个唯一的数字编号，这个编号范围从 0x000000 到 0x10FFFF (十六进制)，有 110 多万，每个字符都有一个唯一的 Unicode 编号，这个编号一般写成 16 进制，在前面加上 U+。例如：“马”的 Unicode 是U+9A6C。Unicode 就相当于一张表，建立了字符与编号之间的联系。

然而Unicode只是给出了一份字符与编号的映射表，没有定义如何将这份表落实到二进制表示中，要用几个字节来表示编号呢？方案主要有UTF-8，UTF-16，UTF32。

UTF-8

UTF-8是当下最为流行的编码方式，为了节省字符串容量，UTF-8使用了变长字节来表示，编号小的字符用较少的字节表示，编号较大的字符使用较多字节表示，字节数从1到4不等。

1.对于单字节的符号，字节的第一位设为 0，后面的7位为这个符号的 Unicode 码，因此对于英文字母，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 。

     例如，1个字节：0xxxxxxx

　　　　2个字节：110xxxxx  10xxxxxx

　　　　3个字节：1110xxxx  10xxxxxx  10xxxxxx

　　　　4个字节：11110xxx  10xxxxxx  10xxxxxx

UTF-16

UTF-16是Windows系统开发中常见的字符串编码方式，也是利用变长字节来表示字符。

1.编号在 U+0000 到 U+FFFF 的字符（常用字符集），用两个字节表示。 

2.编号在 U+10000 到 U+10FFFF 之间的字符，用四个字节表示。

UTF-32

UTF-32最简单，直接一刀切，所有字符都用4个字节表示，因此很少会在数据库中使用，太费空间了。