1 ASCII碼

　　統一規定英語字符與二進制位之間的關系。ASCII碼一共規定了128個字符的編碼。例如，空格“SPACE”是32（二進制00100000），大寫字母A是65（二進制01000001）。這128個符號（包括32個不能打印出來的控制符號）只占用了一個字節的後面7位，最前面的1位統一規定為0。

　　2 非ASCII編碼

　　表示非英語的其他語言時，128個符號是不夠的。例如，在法語中，字母上方有註音符號，無法用ASCII碼表示。於是，一些歐洲國家就決定：利用字節中閑置的最高位編入新的符號。例如，法語中的é的編碼為130（二進制是10000010）。這樣可以表示256個符號。

　　但是，不同的國家有不同的字母，因此，哪怕它們都使用256個符號的編碼方式，代表的字母卻不一樣。例如，130在法語編碼中代表é，在希伯來語編碼中代表字母Gimel (?)，在俄語編碼中代表另一個符號。0-127表示的符號是一樣的，不一樣的是128-255這一段。

　　3 Unicode

　　世界上存在多種編碼方式，同一個二進制數字可以被解釋成不同的符號。之所以電子郵件經常出現亂碼，是因為發信人和收信人使用的編碼方式不一樣。作為所有符號的編碼，Unicode納入了世界上所有的符號，給予每一個符號一個獨一無二的編碼。它是一個龐大的集合，可以容納100多萬個符號。例如，U+0639表示阿拉伯字母Ain，U+0041表示英語的大寫字母A，U+4E25表示漢字嚴。具體的符號對應表，可以查詢http://www.unicode.org/或者漢字對應表。

　　Unicode的問題

　　Unicode只是一個符號集，只規定了符號的二進制編碼，但沒有規定存儲方式。例如，漢字嚴的Unicode是十六進制數4E25，轉換成二進制數足足有15位（100111000100101）即需要2個字節。不同的符號需要的字節數量不同。存在如下2個問題：

　　1 如何區別Unicode和ASCII？

　　計算機怎麽知道3個字節表示一個符號，而不是分別表示3個符號呢？

　　2 容易出現空間浪費

　　英文字母僅需一個字節。如果Unicode統一規定每個符號用3個或4個字節表示，那麽存儲英文字母時會出現2個或3個字節全是0，浪費空間。

　　於是，出現了Unicode的多種實現方式。

　　4 UTF-8

　　UTF-8是互聯網上使用最廣的一種Unicode實現方式。其他實現方式包括UTF-16（字符用2個字節或4個字節表示）和UTF-32（字符用4個字節表示）。UTF-8是一種可變長的編碼方式，使用1~4個字節表示一個符號，根據不同的符號調整字節數量。

　　UTF-8的編碼規則：

　　1 對於單字節的符號，字節的第一位設為0，後面7位是這個符號的Unicode編碼。因此，對於英語字母，UTF-8編碼和ASCII碼是相同的。

　　2 對於n個字節的符號（n>1），第一個字節的前n位都設為1，第n+1位設為0，後面字節的前兩位均設為10。剩下的二進制位由這個符號的Unicode編碼從後向前依次填入，空位補0。

　　編碼規則總結見下表，字母x表示可編碼的位：

　　以漢字嚴為例，如何實現UTF-8編碼：

　　已知嚴的Unicode是4E25（100111000100101），根據上表，4E25處在第3行的範圍內（0000 0800-0000 FFFF），所以嚴的UTF-8編碼需要3個字節，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然後，從嚴的最後一個二進制位開始，依次從後向前填入格式中的x，空位補0。於是，嚴的UTF-8編碼是“11100100 10111000 10100101”，轉換成十六進制是E4B8A5。

　　參考資料

　　字符編碼筆記：ASCII，Unicode和UTF-8

Java 字符編碼 ASCII、Unicode和UTF-8