编码
首先，我们来了解编码是什么？
由于计算机只认识0和1，为了标识字符，需要一套统一的规则来实现诸如 0100 0001-> A 的映射，这就是编码
同时，随着计算机的发展，需要标识的字符不断在增加，导致编码种类也在不断的增加
ASCLL
最基础的编码，是由美国人定义的，他们用1字节（8位）来定义他们使用的所有字符
由于英文就26个字母，256（2^8）个映射位足矣标识所有字符
实际上，ascll只用了后面的7位（首位为0，形如 0xxx xxxx），定义了128个字符，以A为例：
A -> 65 -> 0100 0001
Unicode
随着各个国家都开始用编码来标识自己本国用的字符，大家逐渐发现1字节的编码方式根本不够用：
- 本国语言可能需要超过256个字符
- 多国语言对于同一个映射位，有不同的解释，比如上面的65在美国是A，但是在其他国家就可能是别的含义了，大家交流很费事，需要频繁的转换
这时候unicode应运而生，unicode相当于一个超级大（解决1）的字典，每个字符在唯一的值（解决2）
但是unicode只是一个字典，具体编码方式其实没有固定，如下所示：
A->65 -> ?
只规定了一个字符到一个数字的映射
UTF-8
- utf-8是unicode的一种实现
- 兼容了已有的ascll
- 长度可变，1~4字节
编码规则：
-
字节长度=1时：第一位填0，剩余7位是该字符的unicode的编码值，这个方式与ascll码的编码方式一致，所以可以完全兼容ascll码
-
字节长度>1时：假设需要N个字节，第一个字节的前N位都是1，第N+1位设为0，剩余N-1个字节的前两位都是10，剩下来的所有位置用来作为该字符unicode的编码值
规则2说起来较为复杂，我们看下表格就比较容易理解了：
| unicode 编码值范围 | utf-8 二进制 |
|---|---|
| 0000 0000 ~ 0000 007F | 0xxxxxxx |
| 0000 0080 ~ 0000 07FF | 110xxxxx 10xxxxxx |
| 0000 0800 ~ 0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 0001 0000 ~ 0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
总结
- ascll ：最基础的编码，1字节，实际定义了128个字符
- unicode：一种映射规则，为所有字符编上码，但没有具体实现
- utf-8：是unicode的一种具体实现，1~4字节，兼容ascll