UTF-8、UTF-16 和 Unicode 有什么联系

起源

在计算机发明之初，由于计算机只能存储二进制的数据，美国人民为了交流通信方便，约定了一个编码规范，也就是 ASCII（American Standard Code for Information Interchange: 美国信息交换标准代码）；

ASCII 是基于拉丁字母的一套电脑编码系统，是 单字节 编码，主要用于显示现代英语和其他西欧语言。
它使用 7 位二进制数（剩下的 1 位二进制为 0）来表示所有的大写和小写字母，数字 0 到 9、标点符号，以及在美式英语中使用的特殊控制字符。

随着计算机传到了欧洲，发现很多符号（法语，德语等）没办法用 ASCII 表示，于是欧洲人自己也撸了一套编码，也就是 ISO/IEC 8859-1。

ISO/IEC 8859-1 也是 单字节 编码，并且向下兼容 ASCII，其编码范围是 0x00-0xFF，0x00-0x7F 之间完全和 ASCII 一致，0x80-0x9F之间是控制字符，0xA0-0xFF之间是文字符号。
和 ASCII 的区别体现在：ASCII是一个 7 位的容器，ISO-8859-1是一个 8 位的容器。

再后来，计算机就传入了中国，中国汉字少说就有几万，常用的就有几千个了。如果要表示中文，显然一个字节是不够的，至少需要两个字节，而且还不能和 ASCII 编码冲突，所以，中国制定了 GB2312 编码，用来把中文编进去。于是乎，我们就撸出了一套GBK，并向下兼容ASCII。

GBK 全称《汉字内码扩展规范》（GBK 即“国标”、“扩展”汉语拼音的第一个字母，英文名称：Chinese Internal Code Specification），采用 双字节 编码，其编码范围从 8140 至 FEFE（剔除 xx7F），共 23940 个码位，共收录了 21003 个汉字，完全兼容 GB2312-80 标准，支持国际标准 ISO/IEC10646- 1 和国家标准 GB13000- 1 中的全部中日韩汉字，并包含了 BIG5 编码中的所有汉字。

这时国际组织看不下去了，要是这样下去每个地区都出一套自己的编码，那还得了。于是乎撸了一套把大家的编码都归纳进去的编码，也就是 unicode 编码。

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。
Unicode 只是一种 字符码表 ，而在计算机中进行存储时，必须指定一种具体的存储方式。常见的如utf8, utf16, utf32 等。

UTF—8

UTF—8(8-bit Unicode Transformation Format)，以 8 位无符号整数为单位对 Unicode 进行编码。

UTF-8 的特点是对不同范围的字符使用不同长度的编码，是一种变长编码，对于一个 Unicode 的字符被编码成 1 至 4 个字节。对于 0x00-0x7F 之间的字符，UTF-8 编码与 ASCII 编码完全相同。

UTF- 8 编码的最大长度是 4 个字节，即可以容纳 21 位二进制数字。而 Unicode 的最大码位 0x10FFFF 也只有 21 位。

一个字节的 uft8 表示的 unicode 码范围为(0 ~0x7F)

两个字节长度的 uft8 表示的 unicode 码范围为(0x80 ~ 0x07FF)

三个字节长度的 uft8 表示的 unicode 码范围为(0x0800 ~ 0xFFFF)

四个字节长度的 uft8 表示的 unicode 码范围为(0x10000 ~ 0x10FFFF)

UTF—16

UTF—16(16-bit Unicode Transformation Format)，以 16 位无符号整数为单位对 Unicode 进行编码。

UTF-16 也是一种变长编码，对于一个 Unicode 的字符被编码成 1~2 个 code unit，每个code unit 使用 16 位（2 个字节）。