unicode 和 utf-8解疑

百科对于unicode编码的解释是酱紫的：

Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，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。

看来unicode只是一种标准，用多个字节来编码字符。unicode设定了字符编码表，像ASCII字符表，和计算机怎么实现的一些方案（如BOM）。传统的ASCII编码只能表示127个字符，对于拉丁文是足够的，但 世界还有很多其他的文字，比如博大精深的中文汉字。unicode旨在统一表示世界的字符。unicode只是一种编码格式规范，在计算机底层根据unicode字符编码规范，实现了的字符编码有utf8，utf16,utf32,gbk，latin1等。接下来谈谈utf8编码。

utf8编码又称万国码，用1到4个字节来存储字符（中文在unicode中用2个字符来编码(4e00~65bf)，utf8用3个字节来存储）。utf8编码的过程是酱紫的：

1 以单字节进行编码

2如果字符是单字节字符，像拉丁文，则‘0’开头，后面就是该字符在unicode编码表中的第二个字节的低7位

3多字节字符（如n位），首字节的前n为为1，n+1位为0，后面剩余的字节以10开头，未提到的位按该字符在unicode编码表中的编码填充。

例如，英文的字母A'，在unicode中的编码为：0000 0000 0110 0101,utf8中的存储为：0110 0101，比unicode编码节约了一个字节。中文的‘胡‘字在unicode中的编码为：U80e1(1000 0000 1110 0001),那么用utf8存储时就是酱紫的：1110 1000 10 000011 10 100001.比unicode多了一个字节。

utf8是以单字节，按特定格式进行编码的，在磁盘中存储时不存在字节序问题(BOM)，也就是utf8是字节序无关的，添不添加bom都一样。但unicode允许utf8添加bom,unicode规定utf8的bom开头为：EF BB BF。