Unicode
Unicode （中文称：万国码）给每个字元提供了一个唯一的数位，不论是什么平台、不论是什么程式、不论是什么语言。
简而之，Unicode是字符集，将所有的文字，符号等等编码。
UTF-8 是编码的方式，优化 Unicode 的编码。
例如： “Hi! 你好”
你看到的 Unicode 字符编码是这样的：
H 0048
I 0069
你 4F60
好 597D
每一个字符对应了一个16进制的数字。
由于电脑只懂2进制编码，所以按照 Unicode 的方式(UCS-2)，会按以下储存：
H 00000000 01001000
i 00000000 01101001
! 00000000 00100001
你 01001111 01100000
好 01011001 01111101
这个字符串共估了8个字节，对比以上中英文2进制编码，英文前9个都是0，占用了硬碟容量，十分浪费！
怎样优化？
UTF-8 的诞生就是为了优化这个问题。
- 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；
- n个字节的字符 n>1，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。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” 就变成了
H 01001000
I 01101001
! 00100001
你 11100100 10111101 10100000
好 11100101 10100101 10111101
对比 UCS-2 及 UTF-8，英文的字节变短了，虽然每个中文字符用多了一个字节。但整体来说 UTF-8 只用了9个字节，比 UCS-2 的10个字节小了一点。
整体来说，UTF-8 更节省了字节的占用容量，至小在英文字符上的确较为节省。
网友评论