一、來歷
為了統一編碼，各大龍頭企業就決定坐下來對全世界的字符進行編碼，並且盡量兼容現有字符集，這就有了unicode編碼。Unicode用了21個二進制位，能夠編碼一百多萬個字符，但實際上並沒有編碼這么多。U+XXXX中XXXX就是碼點，就是字符在unicode的數字表示。
編碼空間被分成 17 個平面（plane），每個平面有 65,536 個字符。0 號平面叫做「基本多文種平面」（Basic Multilingual Plane, BMP），涵蓋了幾乎所有你能遇到的字符，除了 emoji。其它平面叫做補充平面，大多是空的。
二、UTF-32、UTF-16、UTF-8
什么字符被表示成什么樣子的規定有了，就要考慮怎么存起來了，這就分成了UTF-32、UTF-16、UTF-8三種了。所以UTF-32、UTF-16、UTF-8只是unicode的三種實現方式。
三、UTF-32
unicode用了21位，那我就用4個字節存，准錯不了，這就是UTF-32，由於它的極度浪費，所以基本上沒人用。
四、UTF-16
UTF-16編碼介於UTF-32與UTF-8之間，同時結合了定長和變長兩種編碼方法的特點。UTF-16把字符存儲成2個字節或者4個字節。
具體如下：
基本平面的字符占用2個字節，輔助平面的字符占用4個字節。也就是說，UTF-16的編碼長度要么是2個字節（U+0000到U+FFFF），要么是4個字節（U+010000到U+10FFFF）。
於是就有一個問題，當我們遇到兩個字節，怎么看出它本身是一個字符，還是需要跟其他兩個字節放在一起解讀？
說來很巧妙，我也不知道是不是故意的設計，在基本平面內，從U+D800到U+DFFF是一個空段，即這些碼點不對應任何字符。因此，這個空段可以用來映射輔助平面的字符。
具體來說，輔助平面的字符位共有2的20次方個，也就是說，對應這些字符至少需要20個二進制位。UTF-16將這20位拆成兩半，前10位映射在U+D800到U+DBFF（空間大小210），稱為高位（H），后10位映射在U+DC00到U+DFFF（空間大小210），稱為低位（L）。這意味着，一個輔助平面的字符，被拆成兩個基本平面的字符表示。
五、相當巧妙的UTF-8
UTF-8最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度。
UTF-8的編碼規則很簡單，只有二條：
1）對於單字節的符號，字節的第一位設為0，后面7位為這個符號的unicode碼。因此對於英語字母，UTF-8編碼和ASCII碼是相同的。
2）對於n字節的符號（n>1），第一個字節的前n位都設為1，第n+1位設為0，后面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的unicode碼。
Unicode符號范圍 | UTF-8編碼方式 (十六進制) | （二進制） --------------------+--------------------------------------------- 0000 0000-0000 007F | 0xxxxxxx 0000 0080-0000 07FF | 110xxxxx 10xxxxxx 0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx 0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
舉例說明：
已知\"嚴\"的unicode是4E25（100111000100101），根據上表，可以發現4E25處在第三行的范圍內（0000 0800-0000 FFFF），因此\"嚴\"的UTF-8編碼需要三個字節，即格式是\"1110xxxx 10xxxxxx 10xxxxxx\"。然后，從\"嚴\"的最后一個二進制位開始，依次從后向前填入格式中的x，多出的位補0。這樣就得到了，\"嚴\"的UTF-8編碼是\"11100100 10111000 10100101”，轉換成十六進制就是E4B8A5。
由於大學學習離散數學時有一種變長的編碼方式，受其影響太大，對於UTF-8的編碼方式一度覺得不可思議，現在來看原來如此～
六、UTF-16的大頭、小頭問題
Unicode碼是4E25，需要用兩個字節存儲，一個字節是4E，另一個字節是25。存儲的時候，4E在前，25在后，就是Big endian方式；25在前，4E在后，就是Little endian方式。
unicode規范中定義，每一個文件的最前面分別加入一個表示編碼順序的字符，這個字符的名字叫做\"零寬度非換行空格\"（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。這正好是兩個字節，而且FF比FE大1。如果一個文本文件的頭兩個字節是FE FF，就表示該文件采用大頭方式；如果頭兩個字節是FF FE，就表示該文件采用小頭方式。
但是為什么要分大頭和小頭呢？
UTF－8編碼單位為字節，並且多節字的編碼也規定了他們的順序（低字節和高字節），因此在儲存和傳輸過程不會出現問題；
但UTF-16就不同，它以16位整數、雙字節作為編碼單位，規定了多個（兩個）雙字節編碼的順序（高位雙字節和低位雙字節），但對於每個雙字節在儲存和傳輸中，這兩個字節誰先誰后的問題。如果不作相關規定，在小頭機器中，把會雙字節中的低字節儲存（或傳輸）在前面，高字節在后；大頭機器則相反，會造成混亂和錯誤。
其實這個我也不明白，但是跟機器底層相關的就不想研究啦～如果大學學得好的應該能懂噠～可惜我忘了，只有個模糊的概念。