先明确两个概念：
-
ASCII：美国信息交换标准代码（American Standard Code for Information Interchange），是一种字符编码标准，使用7位二进制数表示128个字符，包括英文字母、数字、标点符号和一些控制字符。ASCII 码范围从0到127。
-
Unicode：一种字符编码标准，旨在为世界上所有的字符分配唯一的代码点（code point）。代码点通常表示为
U+XXXX的形式，其中XXXX是十六进制数。 -
ASCII 和 Unicode 是字符集，这意味着它们定义了有哪些字符，并给每个字符分配一个数字。但它们没有说明这些数字是如何存储或通信的，这属于实现细节。
-
UTF-8：一种可变长度的字符编码方式，能够表示所有的 Unicode 字符。UTF-8 使用 1 到 4 个字节来编码每个字符，兼容 ASCII 编码，且在编码时尽量减少字节数。
UTF-8 编码规则
UTF-8 编码是一种变长编码方式:根据字符的 Unicode 编号，使用 1 到 4 个字节表示一个字符。建立了二进制串（或对应的十六进制）到Unicode码点的双射：
| 表示范围（10进制，个字符） | unicode码点范围 | 字节数 | 编码(二进制串) |
|---|---|---|---|
| 0 ~ 127 | U+0000 ~ U+007F | 1 | 0xxxxxxx |
| 128 ~ 2047 | U+0080 ~ U+07FF | 2 | 110xxxxx 10xxxxxx |
| 2048 ~ 65535 | U+0800 ~ U+FFFF | 3 | 1110xxxx 10xxxxxx 10xxxxxx |
| 65536 ~ 1114111 | U+10000 ~ U+10FFFF | 4 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
表中的x成为数据位，可被翻译为Unicode码点信息。
前面的0，110，或10是前缀位，用于标识该字节在UTF-8编码中的位置和作用。
对于1字节编码，前缀位是0，后7位为数据位。
对于多字节编码，不同位置字节前缀位含义不同：
-
首字节 “leader byte”中
1的个数表示该字符使用的字节数，第一个0后面的位为数据位-
2字节：110xxxxx
-
3字节：1110xxxx
-
4字节：11110xxx
-
-
后续字节“trailing bytes” 以
10为前缀位，后6位为数据位
UTF-8 Unicode 转换
UTF-8 编码到 Unicode 码点
-
将UTF-8 序列转化成二进制，根据首字节的前缀确定字符的字节数
-
去掉前缀位,提取所有字节中的数据位
-
将提取的数据位从左到右拼接成完整的码点(二进制形式)，转换为十六进制，查看对应的 Unicode 码点
egE4 BD A0 解码为 你
-
转换为二进制：
111001001011110110101000，根据首字节1110xxxx可知是3字节编码 -
去掉前缀位，提取数据位：
00100111101101000 -
拼接成完整的码点(二进制形式)：
001001111101101000 -
转换为十六进制：
0x4F60 -
查看对应的 Unicode 码点：
U+4F60
Unicode 码点到 UTF-8 编码
-
根据 Unicode 码点的范围确定需要使用的字节数
-
根据字节数分配相应的二进制位
-
填充前缀位，形成完整的 UTF-8 编码
eg: Unicode 码点 U+4F60 编码为 E4 BD A0
-
确定字节数：
U+4F60在U+0800 ~ U+FFFF范围内，使用3字节编码 -
分配二进制位：
U+4F60的二进制表示为01001111 01100000，需要分配21个二进制位 -
填充前缀位：根据3字节编码的规则，填充前缀位，形成完整的 UTF-8 编码：
11100100 10111101 10100000