【Unicode介紹】
百度百科：Unicode（統一碼、萬國碼、單一碼）是計算機科學領域里的一項業界標准,包括字符集、編碼方案等。Unicode 是為了解決傳統的字符編碼方案的局限而產生的，它為每種語言中的每個字符設定了統一並且唯一的二進制編碼，以滿足跨語言、跨平台進行文本轉換、處理的要求，並且兼容ISO-8859-1。
一個字符的Unicode編碼是確定的，但是在實際傳輸過程中，由於不同系統平台的設計不一定一致，以及出於節省空間的目的，對Unicode編碼的實現方式有所不同。Unicode的實現方式稱為Unicode轉換格式（Unicode Transformation Format，簡稱為UTF）
Unicode是字符集，它主要有UTF-8、UTF-16、UTF-32三種實現方式。由於UTF-8是目前主流的實現方式。
UCS（Universal Character Set，通用字符集），是由ISO制定的ISO 10646（或稱ISO/IEC 10646）標准所定義的標准字符集。它包括了其他所有字符集，保證了與其他字符集的雙向兼容，即，如果你將任何文本字符串翻譯到UCS格式，然后再翻譯回原編碼，你不會丟失任何信息。
UCS不僅給每個字符分配一個代碼，而且賦予了一個正式的名字。表示一個UCS或Unicode值的十六進制數通常在前面加上“U+”，例如“U+0041”代表字符“A”。
Java的class文件采用utf8的編碼方式，Java的字符串是unicode編碼的
UTF-8
UTF-8是一種針對Unicode的可變長度字符編碼,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。它可以用來表示Unicode標准中的任何字符，且其編碼中的第一個字節仍與ASCII兼容，這使得原來處理ASCII字符的系統無須或只須做少部份修改，即可繼續使用。因此，它逐漸成為電子郵件、網頁及其他存儲或傳送文字的應用中，優先采用的編碼。
UTF-8使用一到四個字節為每個字符編碼，編碼規則如下：
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。
轉換表如下：
| 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 |
根據上面的轉換表，理解UTF-8的轉換編碼規則就變得非常簡單了：第一個字節的第一位如果為0，則表示這個字節單獨就是一個字符;如果為1，連續多少個1就表示該字符占有多少個字節。
以漢字"嚴"為例，演示如何實現UTF-8編碼[3]。
已知"嚴"的unicode是4E25（100 1110 0010 0101），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。
ANSI：記事本的默認的編碼方式，對於英文文件是ASCII編碼，對於簡體中文文件是GB2312編碼。注意：不同 ANSI 編碼之間互不兼容，當信息在國際間交流時，無法將屬於兩種語言的文字，存儲在同一段 ANSI 編碼的文本中
Unicode：UCS-2編碼方式，即直接用兩個字節存入字符的Unicode碼。該方式是倒序方式存取，該方式是"小頭"little endian。
Unicode big endian：UCS-2編碼方式，順序方式存取，即 "大頭"方式。
在EditPlus輸入"嚴"字，依次選擇ANSI、Unicode、Unicode big endian、UTF-8四種編碼風格，然后另存，使用Hex Viewer工具進行查看：
ANSI：兩個字節"D1 CF"正是"嚴"的GB2312編碼。
Unicode：四個字節"FF FE 25 4E"，其中"FF FE"表示小頭(倒序)存儲方式，真正的編碼為"4E 25"。
Unicode big endian：四個字節"FE FF 4E 25"，"FE FF"表示大頭(順序)存儲方式，真正編碼為"4E 25"。
UTF-8：編碼是六個字節"EF BB BF E4 B8 A5"，前三個字節"EF BB BF"表示這是UTF-8編碼，后三個"E4B8A5"就是"嚴"的具體編碼，它的存儲順序與編碼順序是一致的。