unicode与utf-8

    这篇文章是在知乎上看到的，这里作为转载方便自己查阅。

    原作者： 邱昊宇  
      
    简单来说：  
      
        Unicode 是「字符集」  
        UTF-8 是「编码规则」  
      
    其中：  
      
        字符集：为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）  
        编码规则：将「码位」转换为字节序列的规则（编码/解码 可以理解为 加密/解密 的过程）  
      
      
    广义的 Unicode 是一个标准，定义了一个字符集以及一系列的编码规则，即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码……  
      
    Unicode 字符集为每一个字符分配一个码位，例如「知」的码位是 30693，记作 U+77E5（30693 的十六进制为 0x77E5）。  
    UTF-8 顾名思义，是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节：  
      
    U+ 0000 ~ U+ 007F: 0XXXXXXX  
    U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX  
    U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX  
    U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX  
      
    根据上表中的编码规则，之前的「知」字的码位 U+77E5 属于第三行的范围：  
      
           7    7    E    5      
        0111 0111 1110 0101    二进制的 77E5  
    --------------------------  
        0111   011111   100101 二进制的 77E5  
    1110XXXX 10XXXXXX 10XXXXXX 模版（上表第三行）  
    11100111 10011111 10100101 代入模版  
       E   7    9   F    A   5  
      
    这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。