Unicode全称应该是unity code ，翻译过来就是统一码。意思嘛，就是统一地球上所有字符的编码。
编码是什么东西呢？就是把一个东西用一个数字来表示（广义上的概念不是这样，但这里可以这么理解）。对字符的编码，就是把一个字符用一个数字来表示。
最常见的是Ascii编码，学过计算机的大概都知道。字符“a”也就是小写的a，用的是数字97表示，字符“1”用的是49表示。完整的Ascii表有256个字符，分别用0-255来表示。
但世界那么大，语言那么多，区区256怎么能表达完世界上所有的字符呢？所以啊，Unicode就是用来统一世界上所有字符的编码方式了。说到底，也就是把255这个最大值， 放大到 111 4112（0x10FFFF = 17 * （2^16））这个最大值。
100多万的数字用来表示地球上的字符，在没有发现外星人之前，应该是够用了的。汉字也就几万而已，拉丁字母都才26个。像中日韩这样有很多字符的语言是不算多的。
在 Unicode 里面，这些数字有一个概念名词——码位。一个码位代表一个唯一的字符。
码位不会用10进制来表示，而是用16进制表示，一般书写某个字符的码位，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。比如，“字”的码位是U+5B57。
Unicode把65536（2^16）作为一个范围的大小，将111 4112分成了17份，这每一份又有一个概念名词，叫平面。一共有17个平面(65536 * 17 = 1114112)。其中第一个平面叫基本多文种平面，BMP(BasicMultilingual Plane)，或称第零平面(Plane 0)，是Unicode中的第一个编码区段。
在BMP中，U+4e00到U+9fa5是汉字的码位范围，共20902个，这只是汉字的一部分而已。因为这也没办法啊，汉字的数量比一个平面的最大值65536还多。所以在BMP中只编码了一部分常用的汉字而已，其他生僻字，都编码在了其他的平面中。一般场景下，几千个汉字都已经足够使用，所以也不必太纠结。
65536的16进制是0xFFFF,所以用两个字节就可以表示完第一个平面的所有字符了。
这个时候，你是不是以为，在一个文本文件中，如果我们只保存一个字，比如上面提到的“字”，码位是U+5B57。那么这个文件的二进制流就是01011011 01010111了？呵呵，都是大人，我们就不天真了嘛。没这么简单，但也不复杂。
如果直接存储字符的码位，从理论上来说，肯定是可以的，操作也非常方便。但是站在实用的角度来看，这就不行了，因为太浪费空间了。
举个例子，一个文本文件，里面全部都是用英语来表达书写的（写代码的文件不一般都这样嘛），那么这个文件里所有字符的码位都是在0-127之间，Unicode兼容一般的Ascii编码，也就是第一个字节。大写字母A的码位是U+0061。十进制表示的码位为127的那个字符的十六进制码位为U+00FF。
看到没有，前面始终有两个0，因此，每存储一个字符，都会白白浪费一个字节的空间，因为每个字符的二进制都是00000000XXXXXXXX啊。如果去掉前面这些0，一个文本文件就能减少一半的存储空间，多么美好的事。如果不去掉0，在这个倡导节约型社会的时代，我们难道不觉得可耻吗？
所以呢，我们还需要对码位再次进行编码。。。。别晕，确实是再次编码。但和上面的编码概念是不一样，上面可以看成是对字符集的编码方式。而接下来要说的，是对码位的编码方式，他们的方式是完全不同的。
对字符集的，是将某个字符编码对应到某个数字；
而对码位的，是将码位数值编码对应到某个二进制串。
看到这里千万要挺下去，因为这里懂了后，一切都明朗了。
Unicode是将字符编码到码位，而UTF-8、UTF-16或UTF-32等是将码位编码到二进制串。UTF全称是Unicode Transformation Format，也就是Unicode转换方式。
还是汉字字符“字”，码位是U+5B57。
如果采用UTF-32编码方式，那么二进制串是“00000000 00000000 01011011 01010111”，采用了4个字节，32位二进制来表示了，所以是UTF-32。
也就是说UTF-32的编码规则就是直接把码位转换成2进制存储，简单又粗暴。
如果采用现在最通用的编码方式UTF-8，那么“字”的二进制串是“11100101 10101101 10010111”。只用了三个字节，24位二进制就表示了。
这里怎么不是采用8位二进制来表示了？骚年，不要这么推理嘛。谁说这个8就代表只用8位二进制来表示了。为什么叫8呢，我也不是太清楚，得问提出这种方法的人了。
而对于UTF-16的方式，不同的就是编码方式不一样，所以出来的二进制串也不一样。
先说说UTF-8是按照什么样的规则来编码的吧。最大的特点就是不同范围的码位，用不同的二进制规则来编码。也就是变长的编码方式。
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
——————–+———————————————
00000000 - 0000007F | 0xxxxxxx
00000080 - 000007FF | 110xxxxx 10xxxxxx
00000800 - 0000FFFF | 1110xxxx 10xxxxxx 10xxxxxx
00010000 - 0010FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
UTF-8的编码规则简单到只有二条：
1）对于单字节的码位，字节的第一位设为0，后面7位为这个符号的Unicode码位。因此对于英语字母，UTF-8编码和ASCII码是相同的。
2）对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个字符的Unicode码位的二进制。
如果觉得16进制的码位范围不太好理解，可以换成10进制的。
码位为0 - 127之间的字符，就编码为1个字节。字节的首位定为0，当程序读到这个字节时，发现第一位是0，就知道这个字符是1个字节编码的。
码位为128 – 2048之间的字符，编码为2个字节。
码位为2049 至 65536之间的字符，编码为3个字节。
码位为65537 至 2097152（但注意码位最大值是1114112）之间的字符，编码为4个字节。
如何计算这些界限值？在编码的几个字节中，剩余的x的个数为n的话，界限值就是2的n次方。
再来聊聊UTF-16的编码方式吧。
和UTF-8类似，也是分了范围。不同码位范围，用不同的编码方式。但只有两个范围：
1. 码位在第一个平面内的字符，直接将码位转换为2个字节的二进制串，储存起来。比如，还是字符“字”，就直接就直接将码位U+5B57，转换成01011011 01010111 储存起来，一共有两个字节。
2. 不是在第一个平面内的，也就是在其他16个平面内的字符，先将码位转换为20位二进制。然后依次放进1101 10XX XXXX XXXX 1101 10XX XXXX XXXX这里面的X中。二进制规律也简单，四个字节分成前后两段，每段都以1101 10开头，其他的都是用来填充的二进制位了。比如，某个字符的码位是U+12345，转换成20位二进制就是0001 0010 0011 0100 0101，用UTF-16编码，出来就是1101 1000 0100 1000 1101 10110100 0101 ，一共有四个字节。
对于第一个范围的规则，很简单的将码位转换为二进制而已，不必多说。
但是，对于第二种方式，有些同学就有疑问了。计算机怎么知道是两个字节解释成一个字符，还是四个字节一起解释成字符呢？
难道是以2个字节，是否以1101 10开头来判断的？但是这个形式开头的二进制串，不会解释成第一个平面内的字符吗？
还真的是这样子的。以1101 10开头的两个字节形成的二进制串，不会被解释成第一个平面内的字符。因为在Unicode里，1101 1000 0000 0000到1101 1011 1111 1111之间（也就是码位U+D800到U+DBFF之间），没有编码任何的字符，这区间是一个空段（其实空段的区间是U+D800到DFFF，这只是其中一部分）。
UTF-16就利用了这个特点，将其他16个平面内的字符就这样编码了。
最终规则就是，字符根据Unicode规则，编码成码位，然后码位根据UTF-8、UTF-16、UTF-32等规则，编码成二进制串。最终存储的，就是这个二进制串了。
</div>