字符编码ASCII、Unicode、UTF-8以及验证

目录

1. ASCII码：一共规定了128个字符，用1个字节（8位）来表示，最前1位是0没用上：0100 0001表示A；
2. Unicode：在ASCII码的基础上扩展，Unicode 只是一个符号集，它只规定了符号的二进制代码，却没有规定这个二进制代码应该如何存储（实现），对于英语字母，UTF-8 编码和 ASCII 码是相同的，Unicode 有多种存储方式；
3. UTF-8:UTF-8 是 Unicode 的实现方式之一，UTF-8 就是在互联网上使用最广的一种 Unicode 的实现方式，它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。UTF-8 的编码规则很简单，只有二条：
   1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
   2. 对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号
   3. Unicode编码用UTF-8存储的对照表：

序号	Unicode编码(16进制)	UTF-8 字节流(二进制)
1	0000 0000-0000 007F	0xxxxxxx
2	0000 0080-0000 07FF	110xxxxx 10xxxxxx
3	0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
4	0001 0000-0010 FFFF	1110xxxx 10xxxxxx 10xxxxxx 10xxxxxx
按上表规则：万字的Unicode编码是：U+4E07，二进制：0100 1110 0000 0111，UTF-8应该几个字节存储呢，根据上表4E07在范围序号3，也就是用3个字节存储，把万字的二进制拆分，填充x：
万Unicode编码	U+4E07
----	----
Unicode编码二进制：	0100 1110 0000 0111
对应模板(3字节)	1110xxxx 10xxxxxx 10xxxxxx
填充x后UTF-8二进制	11100100 10111000 10000111
转为16进制	E4B887
用notepad和notepad++验证结果，打开 记事本notepad，输入万字，另存编码为：UTF-8，再用notepad++打开，选中文字——插件——Converter——ASCII->HEX

引用自：字符编码笔记：ASCII，Unicode 和 UTF-8