1、首先区别编码字符集（一个字符集）和字符集编码（表示一种编码规则）：Unicode是编码字符集，而UTF-8, UTF-16, UTF-32是字符集编码。因为计算机智能处理二进制数字，如果要处理文本、图像、声音等就必须先转换为二进制才能处理，这个过程就是编码过程。早期的计算机在设计时采用8个比特(bit,位)作为一个字节(byte)，所以一个字节能够表示的最大整数就是255（二进制11111111 = 十进制的255），如果要表示更大的整数，就需要使用更多的字节。比如两个字节可以表示的最大整数是65535,4个字节可以表示的最大整数是4294967295。由于计算机是美国人发明的，因此最早只有127个字符被编码到计算机中，也就是英文字母的大小写、数字和一些符号。这个编码被称为**ASCII编码**。随着计算机在世界范围的推广使用，要处理中文为代表的非字母语系，显然一个字节就不够用了，至少需要两个字节，而且还不能和ASCII编码冲突。所以，中国制定了GB2312编码。可以想得到的是，全世界有上百种语言，日本把日文编到Shift_JIS里，韩国把韩文编到Euc-kr里。各国有各国的标准，就会不可避免地出现冲突，造成的结果就是，在多语言混合的文本中，显示出来会有**乱码**。因此，Unicode应运而生。Unicode把所有的语言都统一到一套编码中，这样就不会再有乱码问题了。Unicode标准也在不断发展，最常用的是使用两个字节表示一个字符（如果要用到非常偏僻的字符，就需要4个字节）。现代操作系统和大多数编程语言都直接支持Unicode。现在，捋一捋ASCII编码和Unicode编码的区别：ASCII编码是1个字节，而Unicode编码通常是2个字节。字母A用ASCII编码是十进制的65，二进制的01000001；字符0用ASCII编码是十进制的48，二进制的00110000，注意字符'0'和整数0是不同的；汉字中已经超出了ASCII编码的范围，用Unicode编码是十进制的20013，二进制的01001110 00101101。你可以猜测，如果把ASCII编码的A用Unicode编码，只需要在前面补0就可以，因此，A的Unicode编码是00000000 01000001。
新的问题又出现了：如果统一成Unicode编码，乱码问题从此消失了。但是，如果你写的文本基本上全部是英文的话，用Unicode编码比ASCII编码需要多一倍的存储空间，在存储和传输上就十分不划算。所以，本着节约的精神，又出现了把Unicode编码转化为“可变长编码”的UTF-8编码。UTF-8编码把一个Unicode字符根据不同的数字大小编码成1-6个字节，常用的英文字母被编码成1个字节，汉字通常是3个字节，只有很生僻的字符才会被编码成4-6个字节。如果你要传输的文本包含大量英文字符，用UTF-8编码就能节省空间
2、容易产生后歧义的两字节，Unicode的第一个版本是使用两个字节（16位）来表示所有字符，这个说法实际上还是容易让人产生歧义，让我们总觉得两个字节就代表保存在计算机中时是两个字节，于是任何字符如果用Unicode表示的话，占用的空间都是2个字节。上面这个说法其实是错误的。实际上Unicode涉及到两个步骤，首先是定义一个规范，给所有的字符指定一个唯一对应的数字，这完全是数学问题。第二步才是怎么把字符对应的数字保存在计算机中，这才涉及到实际在计算机中占多少字节空间。所以我们可以这样理解：Unicode是使用0到65535之间的数字来表示所有的字符，其中0到127这128个数字表示的字符仍然跟ASCII码一样，这是第一步。第二步就是怎样把0到65535这些数字转化成二进制串保存到计算机里。这肯定就会有不同的保存方式了，于是就出现了UTF（Unicode Transformation Format），也就出现了我们常见的UTF-8, UTF-16, UTF-32。
3、UTF-8 与UTF-16的区别。UTF-16比较好理解，就是任何字符对应的数字都是用两个字节来保存，我们通常对Unicode的无解就是把Unicode和UTF-16等同了。但是很显然，如果都是英文字母，这样做就有些浪费，命名可以一个字节表示的为什么非得整两个呢？于是就出现了UTF-8，这里的8也是比较容易误导我们，这里的8并不是指一个字节！！当使用UTF-8时，表示一个字符是可变的，有可能是用一个字节表示，也可能是两个甚至是三个（最多不能超过3个字节），反正是根据当前字符对应数字的大小来决定。于是UTF-8和UTF-16的优劣势就很容易看出来了：如果全部是英文或英文与其他语言文字的混合，但英文占绝大部分，使用UTF-8就比UTF-16节省了很多空间。而如果全部是中文这样的字符或者混合字符中中文占了绝大多数，UTF-16就会占优势了。这里还有个容错，下面再讨论。
下面举个例子：假如中文字符'九'对应的Unicode编码是\u4e5d（这是十六进制表示，十进制是20061，使用十六进制会短些，其实都是等价的）。你可能会问当用程序打开一个文件时我们怎么知道那是用的UTF-8还是UTF-16啊？自然会有点啥标志：在文件的开头几个字节就是标志。如 EF BB BF 表示UTF-8；FE FF 表示UTF-16。
4、Unicode版本2。前面说的都是Unicode的第一个版本，但是65535显然不能算是太大的数字，用它来表示常用字符是没有问题的，但如果加上很多特殊字符就不够用了。于是从1996年开始又来了第二个版本，使用4个字节表示所有字符。这样就出现了UTF-32。原理跟之前是一样的，UTF-32就是把所有字符都用32位也就是4个字节来表示，然后UTF-8, UTF-16就视情况而定了。UTF-8可以选择1到8个字节中的任一个来表示，而UTF-16只能是选两个字节或四个字节。前面说了要知道具体是哪种编码方式,需要判断文本开头的标志,下面是所有编码对应的开头标志：
其中的UCS就是前面说的ISO制定的标准，和Unicode是完全一样的，只不过名字不一样。UCS-2对应UTF-16，UCS-4对应UTF-32.UTF-8是没有对应的UCS。
5、小结
清楚了ASCII、Unicode和UTF-8的关系，我们就可以总结一下现在计算机系统通用的字符编码工作方式：在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。使用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件。浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器所以我们看到很多网页的源码上会有类似的信息，表示该网页正是用的UTF-8编码。
更多干货笔记关注微信公众号 : 老九学堂