UTF-八、UTF-16 和 Unicode 有什么联系

UTF-八、UTF-16 和 Unicode 有什么联系

起源

在计算机发明之初，因为计算机只能存储二进制的数据，美国人民为了交流通讯方便，约定了一个编码规范，也就是 ASCII（American Standard Code for Information Interchange:美国信息交换标准代码）；

ASCII 是基于拉丁字母的一套电脑编码系统，是 单字节编码，主要用于显示现代英语和其余西欧语言。
它使用 7 位二进制数（剩下的1位二进制为0）来表示全部的大写和小写字母，数字0 到九、标点符号，以及在美式英语中使用的特殊控制字符。

随着计算机传到了欧洲，发现不少符号（法语，德语等）没办法用 ASCII 表示，因而欧洲人本身也撸了一套编码，也就是 ISO/IEC 8859-1。

ISO/IEC 8859-1 也是 单字节编码，而且向下兼容 ASCII，其编码范围是 0x00-0xFF， 0x00-0x7F之间彻底和 ASCII一致， 0x80-0x9F之间是控制字符， 0xA0-0xFF之间是文字符号。
和 ASCII的区别体如今： ASCII是一个7位的容器， ISO-8859-1是一个8位的容器。

再后来，计算机就传入了中国，中国汉字少说就有几万，经常使用的就有几千个了。若是要表示中文，显然一个字节是不够的，至少须要两个字节，并且还不能和ASCII编码冲突，因此，中国制定了GB2312编码，用来把中文编进去。因而乎，咱们就撸出了一套GBK，并向下兼容ASCII。

GBK 全称《汉字内码扩展规范》（GBK即“国标”、“扩展”汉语拼音的第一个字母，英文名称： Chinese Internal Code Specification），采用 双字节编码，其编码范围从8140至FEFE（剔除xx7F），共23940个码位，共收录了21003个汉字，彻底兼容GB2312-80标准，支持国际标准ISO/IEC10646-1和国家标准GB13000-1中的所有中日韩汉字，并包含了BIG5编码中的全部汉字。

这时国际组织看不下去了，要是这样下去每一个地区都出一套本身的编码，那还得了。因而乎撸了一套把你们的编码都概括进去的编码，也就是 unicode编码。

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每一个字符设定了统一而且惟一的二进制编码，以知足跨语言、跨平台进行文本转换、处理的要求。
Unicode 只是一种 字符码表， 而在计算机中进行存储时，必须指定一种具体的存储方式。常见的如 utf8, utf16, utf32等。

UTF—8

UTF—8(8-bit Unicode Transformation Format)，以8位无符号整数为单位对Unicode进行编码。

UTF-8 的特色是对不一样范围的字符使用不一样长度的编码，是一种变长编码，对于一个Unicode的字符被编码成1至4个字节。对于0x00-0x7F之间的字符，UTF-8 编码与 ASCII 编码彻底相同。

UTF-8编码的最大长度是4个字节，便可以容纳21位二进制数字。而 Unicode 的最大码位0x10FFFF也只有21位。

Unicode	UTF-8
U+0000 – U+007F	0xxxxxxx
U+0080 – U+07FF	110xxxxx 10xxxxxx
U+0800 – U+FFFF	1110xxxx 10xxxxxx 10xxxxxx
U+10000 – U+10FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

一个字节的uft8表示的unicode 码范围为( 0 ~0x7F)

两个字节长度的uft8 表示的unicode码范围为(0x80 ~ 0x07FF)

三个字节长度的uft8 表示的unicode码范围为(0x0800 ~ 0xFFFF)

四个字节长度的uft8 表示的unicode码范围为(0x10000 ~ 0x10FFFF)

UTF—16

UTF—16(16-bit Unicode Transformation Format)，以16位无符号整数为单位对Unicode进行编码。

UTF-16 也是一种变长编码，对于一个Unicode的字符被编码成1~2个code unit，每一个code unit使用16位 （2个字节）。