Unicode: (Universal Code 统一码)是一个囊括了世界上所有字符的字符集，其中每一个字符都对应有唯一的编码值（code point），然而它并不是一种什么编码格式，仅仅是字符集而已。Unicode 字符不管具体怎么编码和存储。  UTF-8、UTF-16、UTF-16是Unicode的实现

• UTF-8: (Unicode Transformation Format)就是在互联网上使用最广的一种Unicode的实现方式(怎么编码，怎么存储)。其他实现方式还包括UTF-16（字符用两个字节或四个字节表示）和UTF-32 (字符用四个字节表示）
• UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度
• UTF-8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个字节.如果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

UTF-8编码规则如下：

• 对于U+0000 到 U+007F（ASCII字符），用一个字节编码。
• 对于U+0080 到 U+07FF，用两个字节编码。
• 对于U+0800 到 U+FFFF，用三个字节编码。
• 对于U+10000 到 U+10FFFF，用四个字节编码。

编码实现

概括的说：对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。

1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。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，全部为这个符号的unicode码。

1字节 0xxxxxxx 
2字节 110xxxxx 10xxxxxx 
3字节 1110xxxx 10xxxxxx 10xxxxxx 
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 

Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 ~ 007F | 0xxxxxxx
0080 ~ 07FF | 110xxxxx 10xxxxxx
0800 ~ FFFF | 1110xxxx 10xxxxxx 10xxxxxx
1 0000 ~1F FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

BOM

BOM：在一个文本文件或者一段字符编码前加上几个固定的字节用于识别，这些字节保证不对应任何一个字符，所以软件一读就能验明正身：

• EF BB BF － UTF-8
• FF FE － UTF-16LE(Little endian)
• FE FF － UTF-16BE(Big endian)

以汉字「中」为例，Unicode码是4e2d，需要用两个字节存储，一个字节是4e，另一个字节是2d。存储的时候，4e在前，2d在后，就是Big endian(高位字节在前，阅读顺序)方式；2d在前，4e在后，就是Little endian(低位字节在前)方式。Windows的记事本还有Windows其它地方所谓的Unicode编码，其实是UTF-16LE