字符编码
Unicode 编码与 UTF-8 编码均是由 Unicode 协会（ The Unicode Consortium）制定的对各国文字、符号进行统一编码的编码体系。
unicode 编码
为了方便全球范围内的数据交换，Unicode 协会最先推出了Unicode 编码，它采用 两个字节 来表示一个字符，是一种 16 位编码方式。这种编码方式不可避免地存在兼容性问题：目前网络设备和协议都是针对 字节 进行处理，当网络设备接收到一个Unicode 时，会自动将其切分为两个字节，并检查其中是否含有控制码，这将会使 Unicode 数据变得残缺不全，造成数据损失。
utf8编码
utf8背景
为了解决上述 Unicode 编码兼容性这一问题，Unicode 协会又制定了 UTF-8 编码，它 采用 变长的多字节串 来表示字符，可以说是 Unicode 的 8 位编码方式。由于这两种编码方式同时存在，而且都有着广泛的应用，在对信息进行处理时，我们经常需要将这两种编码相互转换。
utf8编码原则
在 UTF-8 编码中，所有的字符均使用 1 到 6 个字节进行编码。在只包含 1 个字节的 UTF-8 编码中，其最高位置为 0，其余的 7 个二进制位用来对字符进行编码；在含 n（ \(1 < n \leq 6\)）个字节的 UTF-8 编码中，其第一个字节的前 n 位赋值为 1，第 n+1 位赋值为 0，该字节剩余的其它二进制位用来对字符进行编码，后续字节的最高位均赋值为 1，次高位均赋值为 0，每个字节中剩余的 6 个二进制位用来对字符进行编码。
一个字符的 UTF-8 编码中包含字节个数的多少是由其 Unicode 编码所处的范围来决定的，具体如表 1 所示，该表中给出了不同范围内的 Unicode 字符对应的 UTF-8 编码的格式，其中已填入的 1、0 数据表示约定的标记位，x 表示对字符编码时可用的二进制位。将 Unicode 编码的二进制位按由低到高的次序放入 x 表示的空位中即可得到其所对应的UTF-8 编码。
| UTF-8 字节数目 | Unicode 编码(十六进制) | UTF-8 编码(二进制) |
|---|---|---|
| 1 | U+0000 0000 - U+0000 007F | 0xxxxxxx |
| 2 | U+0000 0080 - U+0000 07FF | 110xxxxx 10xxxxxx |
| 3 | U+0000 0800 - U+0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 4 | U+0001 0000 - U+001F FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 5 | U+0020 0000 - U+03FF FFFF | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 6 | U+0400 0000 - U+7FFF FFFF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |