0)学习笔记：

我们常说的这句话“Unicode字符是2个字节”这句话有毛病

Unicode目前规划的总空间有17个平面， 0x0000---0x10FFFF,每个平面有 65536 个码点.

 

Unicode支持的字符上限是65536个 这句话也是有问题的，这65536个字符是我们最常用的基本字符，但是还有很多字符是在0x0000--0xFFFF之外的

unicode存储在计算机内存里肯定是需要编码的，那么就有UTF-8,UTF-16,UTF-32等编码方案。

 

每种编码方式有自己的特点，不同范围内的字符用不同的编码方式存储所需的字节数是不一样的。

 

1)

UTF-8具体的表现形式为：

• 0xxxxxxx：单字节编码形式，这和 ASCII 编码完全一样，因此 UTF-8 是兼容 ASCII 的；
• 110xxxxx 10xxxxxx：双字节编码形式；
• 1110xxxx 10xxxxxx 10xxxxxx：三字节编码形式；
• 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx：四字节编码形式。

 

2)

下面两种编码方式还没研究

UTF-16

UTF-32