Unicode 是啥？UTF-8 是啥？Unicode 和 UTF-8 有啥不同？
从 C 语言开始，到现在也有十余年了，然而对 Unicode 的理解还是模糊不清，很是惭愧。仔细想想，其实是没分清字符集和字符集编码方案。
什么是字符集？
Unicode 就是一种字符集。
字符，就是我们接触到的数字、字母、标点、文字等图形符号的统称，字符集就是字符的一个集合。除了 Unicode，ASCII 也是常见的一种字符集。大学时，绿皮的《C 语言程序设计》的附录中就有 ASCII 字符集的具体对应图表。比如在 ASCII 码中，65（十进制） 对应的是字符 A，66（十进制） 对应的是字符 B，97（十进制） 对应的是字符 a。一般来说，字符集可以理解为计算机数据到字符图形的映射关系的一个集合。
- ASCII 字符集
ASCII 字符集用用 1 个字节长度的数据来表示 1 个字符，这样一来，该字符集能表示的字符个数，最多不会超过 256 个。实际上，ASCII 字符集中，第 1 个 bit 位统一是 0，所以有 7 个 bit 位可用，也就是可以表示 128 个字符。
对于英文字符，128 个字符基本够用了，但是对于其它语言来说，128 个字符远远不够哦，然后一些欧洲的国家一合计，干脆把 ASCII 码的第 1 个 bit 位也利用上，这样可以表示 256 个字符。也就是扩展 ASCII 码。
- ISO 8859-1字符集
在 ASCII 字符集的基础上又扩充了 128 个西欧常用字符，也可以是使用 1 个字节来进行编码。这个字符集也有一个别名 latin1。
虽然 ASCII 码被扩展了，但是问题也出现了，不同的国家，相同的数字，表示的字符可能不同，比如 144 在阿拉伯人的 ASCII 码中是 گ，而在俄罗斯的 ASCII 码中是 ђ。这就给编码工作（尤其是开发工作者）带来了麻烦。
- gb2312 字符集
2 个字节表示一个字符，也就可以表示 2^16 个字符。这是一个中文的字符集。
- Unicode 字符集
当局面混乱的时候，就需要一个标准来使局面和谐，这个时候，Unicode 诞生了。
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。1990年开始研发，1994年正式公布（源于百度百科）。
这么说来，Unicode 就是一个超集，他可以表示所有国家的所有字符，那么，如果把这个字符集打印成一本字典，这本字典也一定会很厚。
什么是字符编码方案
提到字符编码方案，就不得不说一下字符在计算机中的存储了。Unicode 字符集中的字符数量超级多，如果所有的字符都用同样长度的数据来表示，显然是空间的浪费。比如字符 1 完全可以用一个字节来表示，偏偏用 4 个自己来存储，实在是没必要。字符集编码方案就起到这样的一个作用，它根据基本的字符集，建立字符和二进制数据的关系，从而根据需要实现字符与数据存储之间的转化。比如，ASCII 码可以表示的字符，依旧用 1 个字节来存储，汉字可能就用 2 个字节来存储，读的时候，将硬盘/内存中的数据转换成对应的字符。
- UTF-8
UTF-8 是一种基于 Unicode 字符集的变长编码方案，它可以使用 1-4 个字节来表示一个数据。它完全兼容 ASCII 字符集。在 UTF-8 方案中，一个汉字一般是用 3 个字节存储，emoji 表情一般用 4 个字节存储。
我们熟悉的 MySQL 中，虽然有 utf8 编码方案，单那不是真正 UTF-8 编码，MySQL 中的 utf8 字符，最多占 3 个字节，所以是没法存储 emoji 表情的。后来推出的 utf8mb4 才支持 4 个字节的字符。
具体的 UTF-8 的实现方式，以后有时间再说。
