Introduction of Encoding: UTF-16/UCS-2/Unicode/GBK
Abstract:
Unicode, ASCII 是一种编码表，即 文字X <==> 代码点U+ABCD， 他们不管如何存储。
UCS-2,UCS-4 则是一种代码点描述的规范，UCS-2用2个字节，UCS-4用4个字节。
UTF-8,UTF-16（GBK,GB2312）是用来表示如何存储这些代码点，注：UTF-*是Unicode的实现，而GBK是GB2312的超集，跟Unicode没关。
Unicode是为整合全世界的所有语言文字而诞生的。任何文字在Unicode中都对应一个值， 这个值称为代码点（code point）。代码点的值通常写成 U+ABCD 的格式。 而文字和代码点之间的对应关系就是UCS-2（Universal Character Set coded in 2 octets）。 顾名思义，UCS-2是用两个字节来表示代码点，其取值范围为 U+0000～U+FFFF。
为了能表示更多的文字，人们又提出了UCS-4，即用四个字节表示代码点。 它的范围为 U+00000000～U+7FFFFFFF，其中 U+00000000～U+0000FFFF和UCS-2是一样的。
要注意，UCS-2和UCS-4只规定了代码点和文字之间的对应关系，并没有规定代码点在计算机中如何存储。 规定存储方式的称为UTF（Unicode Transformation Format），其中应用较多的就是UTF-16和UTF-8了。
utf-8以1、2、3、4字节存储一个unicode编码，对于英文字符（ASCII），只需要使用一个字节，因此它用来存储英文字符较多的数据，是最有效率的。
utf-16以2、4字节存储一个unicode编码.
In addition,
UTF-16 (16-bit UCS/Unicode Transformation Format) is a variable-length character encoding for Unicode
UCS-2 is fixed length and always encodes characters into a single 16-bit code unit.
Because of the technical similarities and upwards compatibility from UCS-2 to UTF-16, the two are often erroneously conflated and used as if interchangeable, so that strings encoded in UTF-16 are sometimes misidentified as being encoded in UCS-2.
refs:
