Unicode符号范围 （一个字符两个字节） | UTF-8编码方式
(十六进制) | （二进制）
—————————————————————–
从-----0000 0000---到----0000 007F | 0xxxxxxx 需要一个字节
从-----0000 0080---到----0000 07FF | 110xxxxx 10xxxxxx 需要两个字节
从-----0000 0800---到----0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx 需要三个字节
从-----0001 0000---到----0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 需要四个字节
作者：于洋
链接：http://www.zhihu.com/question/23374078/answer/69732605
来源：知乎
著作权归作者所有，转载请联系作者获得授权。
举一个例子：
It's 知乎日报
你看到的unicode字符集是这样的编码表：
I 0049t 0074' 0027s 0073 0020知 77e5乎 4e4e日 65e5报 62a5
每一个字符对应一个十六进制数字。
计算机只懂二进制，因此，严格按照unicode的方式(UCS-2)，应该这样存储：
I 00000000 01001001t 00000000 01110100' 00000000 00100111s 00000000 01110011 00000000 00100000知 01110111 11100101乎 01001110 01001110日 01100101 11100101报 01100010 10100101
这个字符串总共占用了18个字节，但是对比中英文的二进制码，可以发现，英文前9位都是0！浪费啊，浪费硬盘，浪费流量。
怎么办？
UTF。
UTF-8是这样做的：
1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；
2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。
这样就形成了如下的UTF-8标记位：
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
... ...
于是，”It's 知乎日报“就变成了：
I 01001001t 01110100' 00100111s 01110011 00100000知 11100111 10011111 10100101乎 11100100 10111001 10001110日 11100110 10010111 10100101报 11100110 10001010 10100101
和上边的方案对比一下，英文短了，每个中文字符却多用了一个字节。但是整个字符串只用了17个字节，比上边的18个短了一点点。
下边是课后作业：
请将”It's 知乎日报“的GB2312和GBK码(自行
google)转成二进制。不考虑历史因素，从技术角度解释为什么在unicode和UTF-8大行其道的同时，GB2312和GBK仍在广泛使用。
剧透：一切都是为了节省你的硬盘和流量。
做个简单的比喻, unicode相当于中文, UTF-8, UTF-16等相当于 行书, 楷书, 草书等各种书写方式.
Unicode 与 GBK 是两个完全不样的字符编码方案, 其两者没有直接关系, 要对其进行相
互转换, 最直接最高效的方法是查表.
原标题：Unicode 和 UTF
关键词：Unicode
我知道了 