unicode编码转换压缩为utf-8编码

Unicode编码也可称为万能码，它将世界上所有的符号都使用2或4个字节（即2的16/32次方）来表示，每个字符的二进制表示长度固定为16/32位，如此确实可以兼容所有的字符编码，但是4个字节的长度造成了存储容量的极大浪费，许多常用的字符往往只需要一个字节（如ASCII美国信息交换标准代码），于是utf-8编码应运而生，**它本质上是对Unicode编码的一个压缩**。
以4个字节的ucs4为例，一个字符无论其十六进制表示的值大小，都需要4个字节来存储。而utf-8则利用这一点，根据码值范围来决定编码占用的字节数，具体对应方式如下所示：

那么具体的转换过程是什么呢，我们来举一个例子：

• B对应的unicode码为0x0042，因此应该按照第一个行的模板来转化，即把B的unicode码的后七位映射到X上，就得到01000010
• 木对应的unicode码为0x6728，因此应该按照第三个行的模板转化，即把16位的0110011100101000映射到16个X上，得到11100110 10011100 10101000

其余的字符依此类推，如果位数不够就在前面补0.
从这里也可以看到，为什么中文utf-8表示大多是三个字节？因为unicode编码中中文码值范围就是0800--FFFF，转化的时候应用第三个模板，即三个字节。