引言

之前一直都一个问题不明白，就是unicode，utf-8,utf-16,utf-32都有什么联系和区别呢，花了一点时间来查找资料，终于得到一个还算满意的答案。

unicode

首先，我们思考一下unicode是什么，到底为什么会出现？

unicode其实就是对字符的一种编码方式，可以理解为一个字符---数字的映射机制，利用一个数字即可表示一个字符。

对字符编码的想法很正常，因为计算机能够处理的是二进制码，而不是字符，所以当然要对字符进行编码咯。

所以，我们都知道的ASCII码就是干这个事情的。但是，众所周知，ASCII码只有8位，因为在设计这玩意儿的时候，咱亚洲人，还有非洲兄弟，非英语国家的兄弟都没参与进来，所以开始只要能用二进制标识英语就够了。

后面，其他语系的计算机使用者需要在电脑上使用他们的语言，那么ASCII就表示不了这么多文字了。

于是，unicode应运而生。在表示一个Unicode的字符时，通常会用“U+”然后紧接着一组十六进制的数字来表示这一个字符。

关于unicode，我们需要了解这样的几个重要概念。

因为unicode要表示老多的字符了，所以unicode来对应那么多字符的码肯定很多啊老多老多了

不过，在分析之前，unicode来对应字符的码叫啥来着？

码点。

没错，就是码点。码点就是unicode标识字符的那个特定的数字。

但是码点那么多，怎么管理码点呢？

unicode引入了平面机制。即将每65536个码点作为一个平面，总共有17个平面，哇，这么多，总可以表示世界上所有的字符了吧~

不过，我们最常用的字符就那么一点，所有unicode定义第一个平面为最常用的平面BMP，后面的平面呢，为增补平面。

这样区分平面也什么用呢？这就涉及到了编码问题了。

UTF-8,UTF-16，UTF-32

有了码点来表示字符，那么就考虑如何对码点进行编码了。有同学说，简单啊，不是二进制码吗，那就用二进制直接表示所有的unicode平面就行了。

上面的想法可以吗？可以的。比如UTF-32。UTF-32就是用二进制直接表示所有unicode平面。但是，想要表示所有的平面，至少需要四个字节。但是实际上，我们常用的就那个BMP平面，增补平面很少用啊。也就是说，为了很少用到的增补平面上，我们对每一个字符都要用四个字节表示，好亏啊~

为了解决这个问题，人们提出了UTF-16这种编码方案。对于BMP这个常用的平面，UTF-16用两个字节编码。而对于后面的增补平面，UTF-16引入代理区的机制来表示后面的增补平面。

代理区UTF-16 为了编码增补平面中的字符而保留的，总共有 2048 个位置，均分为高代理区（D800–DBFF）和低代理区（DC00–DFFF）两部分，utf-16对代理区进行保留，不用代理区的内容来进行两个字节的编码，而是将代理区组合为代理对来对增补平面编码。一个高代理区（即上图中的Lead（头），行）的加一个低代理区（即上图中的Trail（尾），列）的编码组成一对即是一个代理对（Surrogate Pair），必须是这种先高后低的顺序，如果出现两个高，两个低，或者先低后高，都是非法的。这样，就实现了对BMP平面可以用两个字节编码，而对于增补平面需要四个字节编码。这样，达到了节省空间的目的。而UTF-8的思路同理，有兴趣的同学可以上网查查啊~

还是没懂？不要怕，我为你们整理了一份思维导图，看导图就明白了~