java unicode utf-8 String.getBytes

Unicode（统一码、万国码、单一码）是一种在计算机上使用的字符编码。它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。1990年开始研发，1994年正式公布。随着计算机工作能力的增强，Unicode也在面世以来的十多年里得到普及。 
unicode utf-8转换 
在Unicode中：汉字“字”对应的数字是23383。在Unicode中，我们有很多方式将数字23383表示成程序中的数据，包括：UTF-8、UTF-16、UTF-32。UTF是“UCS Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。例如，“汉字”对应的数字是0x6c49和0x5b57，而编码的程序数据是： 
　　BYTE data_utf8[] = {0xE6, 0xB1, 0x89, 0xE5, 0xAD, 0x97}; // UTF-8编码 
　　WORD data_utf16[] = {0x6c49, 0x5b57}; // UTF-16编码 
　　DWORD data_utf32[] = {0x6c49, 0x5b57}; // UTF-32编码 
　　这里用BYTE、WORD、DWORD分别表示无符号8位整数，无符号16位整数和无符号32位整数。UTF-8、UTF-16、UTF-32分别以BYTE、WORD、DWORD作为编码单位。“汉字”的UTF-8编码需要6个字节。“汉字”的UTF-16编码需要两个WORD，大小是4个字节。“汉字”的UTF-32编码需要两个DWORD，大小是8个字节。根据字节序的不同，UTF-16可以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。下面介绍UTF-8、UTF-16、UTF-32、字节序和BOM。 
　　UTF-8 
　　UTF-8以字节为单位对Unicode进行编码。从Unicode到UTF-8的编码方式如下： 
　　Unicode编码(16进制)　║　UTF-8 字节流(二进制) 
　　000000 - 00007F　║　0xxxxxxx 
　　000080 - 0007FF　║　110xxxxx 10xxxxxx 
　　000800 - 00FFFF　║　1110xxxx 10xxxxxx 10xxxxxx 
　　010000 - 10FFFF　║　11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
　　UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。从上表可以看出，4字节模板有21个x，即可以容纳21位二进制数字。Unicode的最大码位0x10FFFF也只有21位。 
　　例1：“汉”字的Unicode编码是0x6C49。0x6C49在0x0800-0xFFFF之间，使用用3字节模板了：1110xxxx 10xxxxxx 10xxxxxx。将0x6C49写成二进制是：0110 1100 0100 1001， 用这个比特流依次代替模板中的x，得到：11100110 10110001 10001001，十六进制E6 B1 89，转换成10进制就是230 177 137. 
String.getBytes()的结果是怎么得到的呢？ 上面结果是unsigned char，用-(256-x)再转换成signed char就是-26, -79, -119，也就是String.getBytes()的结果了 

汉字的Utf8编码都是三字节的，即： 
000800 - 00FFFF　║　1110xxxx 10xxxxxx 10xxxxxx 
三个字节中最小值为128，转换成signed char就是负数了，所以汉字的String.getBytes()得到的一定是负数。