【Unicode介绍】
百度百科：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，并且兼容ISO-8859-1。
一个字符的Unicode编码是确定的，但是在实际传输过程中，由于不同系统平台的设计不一定一致，以及出于节省空间的目的，对Unicode编码的实现方式有所不同。Unicode的实现方式称为Unicode转换格式（Unicode Transformation Format，简称为UTF）
Unicode是字符集，它主要有UTF-8、UTF-16、UTF-32三种实现方式。由于UTF-8是目前主流的实现方式。
UCS（Universal Character Set，通用字符集），是由ISO制定的ISO 10646（或称ISO/IEC 10646）标准所定义的标准字符集。它包括了其他所有字符集，保证了与其他字符集的双向兼容，即，如果你将任何文本字符串翻译到UCS格式，然后再翻译回原编码，你不会丢失任何信息。
UCS不仅给每个字符分配一个代码，而且赋予了一个正式的名字。表示一个UCS或Unicode值的十六进制数通常在前面加上“U+”，例如“U+0041”代表字符“A”。
Java的class文件采用utf8的编码方式，Java的字符串是unicode编码的
UTF-8
UTF-8是一种针对Unicode的可变长度字符编码,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。它可以用来表示Unicode标准中的任何字符，且其编码中的第一个字节仍与ASCII兼容，这使得原来处理ASCII字符的系统无须或只须做少部份修改，即可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。
UTF-8使用一到四个字节为每个字符编码，编码规则如下：
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，全部为这个符号的unicode码。
转换表如下：
| Unicode |
UTF-8 |
| 0000 0000 —— 0000 007F |
0XXX XXXX |
| 0000 0080 —— 0000 07FF |
110X XXXX 10XX XXXX |
| 0000 0800 —— 0000 FFFF |
1110XXXX 10XX XXXX 10XX XXXX |
| 0001 0000 —— 001F FFFF |
1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX |
| 0020 0000 —— 03FF FFFF |
1111 10XX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX |
| 0400 0000 —— 7FFF FFFF |
1111 110X 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX |
根据上面的转换表，理解UTF-8的转换编码规则就变得非常简单了：第一个字节的第一位如果为0，则表示这个字节单独就是一个字符;如果为1，连续多少个1就表示该字符占有多少个字节。
以汉字"严"为例，演示如何实现UTF-8编码[3]。
已知"严"的unicode是4E25（100 1110 0010 0101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此"严"的UTF-8编码需要三个字节，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，从"严"的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，"严"的UTF-8编码是"11100100 10111000 10100101"，转换成十六进制就是E4B8A5。
ANSI：记事本的默认的编码方式，对于英文文件是ASCII编码，对于简体中文文件是GB2312编码。注意：不同 ANSI 编码之间互不兼容，当信息在国际间交流时，无法将属于两种语言的文字，存储在同一段 ANSI 编码的文本中
Unicode：UCS-2编码方式，即直接用两个字节存入字符的Unicode码。该方式是倒序方式存取，该方式是"小头"little endian。
Unicode big endian：UCS-2编码方式，顺序方式存取，即 "大头"方式。
在EditPlus输入"严"字，依次选择ANSI、Unicode、Unicode big endian、UTF-8四种编码风格，然后另存，使用Hex Viewer工具进行查看：
ANSI：两个字节"D1 CF"正是"严"的GB2312编码。
Unicode：四个字节"FF FE 25 4E"，其中"FF FE"表示小头(倒序)存储方式，真正的编码为"4E 25"。
Unicode big endian：四个字节"FE FF 4E 25"，"FE FF"表示大头(顺序)存储方式，真正编码为"4E 25"。
UTF-8：编码是六个字节"EF BB BF E4 B8 A5"，前三个字节"EF BB BF"表示这是UTF-8编码，后三个"E4B8A5"就是"严"的具体编码，它的存储顺序与编码顺序是一致的。