https://www.jianshu.com/p/ea91ff32a3c0
标签：编码,UTF,字节,字符,符号,转帖,Unicode From： https://www.cnblogs.com/jinanxiaolaohu/p/179986841. 美国人首先对英文字符编成ASCII码，用一个字节中的低7位表示英文128个字符，高1位统一为0
2. 欧洲人字母上存在注音符，128位不够用，即采用高1位，最多可表示256位
3. 不同国家字符编码不一致，虽然0--127表示的符号是一样的，但是128--255的含义不一致，例：135在法语，希伯来语，俄语编码中完全是不同的符号。
4.中国有10万多个汉字，256也不够用，于是产生了GB2312汉字编码，用2个字节表示绝大部分的常用汉字，最多可以表示65536个汉字字符
5. 由于每个国家字符集编码不同，为了保证全世界通用性，产生了Unicode编码，它将每一个符号都给予一个独一无二的编码，现在Unicode可以容纳100多万个符号，每个符号的编码都不一样
6. Unicode 编码 虽然统一了全世界字符的二进制编码，但没有规定如何存储，如果Unicode统一规定每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，文本文件的大小会大二三倍，这对于存储来说是极大的浪费
7. Utf-8则是Unicode最重要的实现方式之一，另外还有utf-16、utf-32等。UTF-8是一种变长的编码方式，它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。这是种比较巧妙的设计，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
8. 注意unicode的字符编码和utf-8的存储编码表示是不同的，例如"严"字的Unicode码是4E25，UTF-8编码是E4B8A5，UTF-8编码不仅考虑了编码，还考虑了存储，E4B8A5是在存储识别编码的基础上塞进了4E25。
9.UTF-8 使用一至四个字节为每个字符编码。128 个 ASCII 字符（Unicode 范围由 U+0000 至 U+007F）只需一个字节，带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及马尔代夫语（Unicode 范围由 U+0080 至 U+07FF）需要二个字节，其他基本多文种平面（BMP）中的字符（CJK属于此类-Qieqie注）使用三个字节，其他 Unicode 辅助平面的字符使用四字节编码。
10.通常中文汉字在utf-8中是3个字节，最常见的编码方式是1110xxxx 10xxxxxx 10xxxxxx。