https://baike.baidu.com/item/Unicode
這篇百度百科中講解了utf8的格式、utf16的格式。
utf8的編碼格式：
|
Unicode編碼(十六進制)
|
UTF-8 字節流(二進制)
|
|
000000-00007F
|
0xxxxxxx
|
|
000080-0007FF
|
110xxxxx 10xxxxxx
|
|
000800-00FFFF
|
1110xxxx 10xxxxxx 10xxxxxx
|
| 010000-10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
UTF-8的特點是對不同范圍的字符使用不同長度的編碼。對於0x00-0x7F之間的字符，UTF-8編碼與
ASCII編碼完全相同。UTF-8編碼的最大長度是4個字節。
從上表可以看出，4字節模板有21個x，即可以容納21位二進制數字。
Unicode的最大碼位0x10FFFF也只有21位。
例1：“漢”字的Unicode編碼是0x6C49。0x6C49在0x0800-0xFFFF之間，
使用3字節模板：1110xxxx 10xxxxxx 10xxxxxx。將0x6C49寫成二進制是：0110 1100 0100 1001， 用這個比特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
例2：Unicode編碼0x20C30在0x010000-0x10FFFF之間，
使用4字節模板：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。將0x20C30寫成21位二進制數字（不足21位就在前面補0）：0 0010 0000 1100 0011 0000，用這個比特流依次代替模板中的x，得到：11110000 10100000 10110000 10110000，即F0 A0 B0 B0。
utf16的編碼格式：
|
D800－DB7F
|
High Surrogates
|
高位替代
|
|
DB80－DBFF
|
High Private Use Surrogates
|
高位專用替代
|
|
DC00－DFFF
|
Low Surrogates
|
低位替代
|
UTF-16編碼以16位無符號整數為單位。我們把Unicode編碼記作U。編碼規則如下
如果U<0x10000，U的UTF-16編碼就是U對應的16位無符號整數（為書寫簡便，下文將16位無符號整數記作WORD）。
如果U≥0x10000，我們先計算U'=U-0x10000，然后將U'寫成二進制形式：yyyy yyyy yyxx xxxx xxxx，U的UTF-16編碼（二進制）就是：110110yyyyyyyyyy 110111xxxxxxxxxx。
為什么U'可以被寫成20個二進制位？Unicode的最大碼位是0x10FFFF，減去0x10000后，U'的最大值是0xFFFFF，所以肯定可以用20個
二進制位表示。例如：Unicode編碼0x20C30，減去0x10000后，得到0x10C30，寫成二進制是：0001 0000 1100 0011 0000。用前10位依次替代模板中的y，用后10位依次替代模板中的x，就得到：1101100001000011 1101110000110000，即0xD843 0xDC30。
按照上述規則，Unicode編碼0x10000-0x10FFFF的UTF-16編碼有兩個WORD，第一個WORD的高6位是110110，第二個WORD的高6位是110111。可見，第一個WORD的取值范圍（二進制）是11011000 00000000到11011011 11111111，即0xD800-0xDBFF。第二個WORD的取值范圍（二進制）是11011100 00000000到11011111 11111111，即0xDC00-0xDFFF。
關於這個之間的轉換可以借鑒cjson源碼中utf16轉換為utf8。