Unicode、UTF-8、UTF-16、UTF-32各是什么？

Unicode是什么？

Unicode(统一码)，它将世界各种语言里的每一个字符都定义了一个唯一的编码。这意味着世界上所有的语言都可以使用它，而不会出现冲突。

虽然Unicode编码了所有字符，但是在很多情况却不能直接使用它，为什么？
因为在Unicode中有些字符占一个字节，如：英文字符，有些字符则占两个字节，如：常用汉字。但是当我解码一串中英字符混合的Unicode编码时，我是一次解码一个字节呢还是两个字节呢？UTF-8，UTF-16，UTF-32解决了这个问题。

UTF-8是什么？

UTF-8(Unicode Transformation Format，Unicode转换格式)，它是一种Unicode编码的实现。

UTF-8解决之前提到的问题，解决方法如下：

• 0xxxxxxx：如果是这样的格式，表示在UTF-8中这个字符用这一个字节即可表示，读取这一个字节即可解码成一个字符。因为第一位已经规定为0，所以只有7位能用来放置Unicode编码。
• 110xxxxx, 10xxxxxx：如果是这样的格式,则表示在UTF-8种这个字符用两个字节可以表示，读取两个字节可以解码成一个字符。110表示此字节为开头字节，10表示此字节不是开头字节。因为第有5位已经固定，所以仅有11位可以用于存放Unicode编码。
• 1110xxxx, 10xxxxxx, 10xxxxxx：如果是这样的格式,则表示在UTF-8种这个字符用三个字节可以表示，读取三个字节可以解码成一个字符。1110表示此字节为开头字节，10表示此字节不是开头字节。因为第有8位已经固定，所以仅有16位可以用于存放Unicode编码。所以虽然汉字在Unicode中占两个字节，但是汉字在UTF-8中是占三个字节的。
  
  

UTF-16是什么？

UTF-16使用2或者4个字节来表示字符。
U+0000 ~ U+FFFF：使用两个字节表示。
U+10000 -~U+10FFFF：使用四个字节表示。

怎样判断其是四个字节的字符？
110110xx, xxxxxxxx, 110111xx, xxxxxxxx：这种形式的即为四个字节的字符，前两个字节，后两个字节。但注意xx不是用来补充Unicode字符的，而是用来补充平移后Unicode字符的。

使用四字节表示Unicode的过程：

1. 将Unicode编码减去0x10000，即把编码减少或向前平移一位，
2. 将得到的编码分为两部分，每一部分为10位二进制数（10bit）。
3. 在高位的10bit前补上6位的标识110110，这样就刚好16位，两个字节。
4. 在低位的10bit前补上6位的标识110111，补完后刚好16位，两个字节。

为什么要执行步骤1？
因为Unicode一共有17个平面，每个平面都可以表示65536个字符，总共可以表示1114112个字符，这就意味着要二进制编码要21位才能包含所有字符，这里减去0x10000是因为减去后就多只要20位就可以表示所有字符，这样更好被分为2个部分。

UTF-32是什么？

4个字节足以表示任何Unicode，因此UTF-32就采用每个字符4个字节的储存形式。

参考文章：https://www.jianshu.com/p/2ba2d99df0bf