代碼點
Unicode標準的本意很簡單：希望給世界上每一種文字系統的每一個字符，都分配一個唯一的整數，這些整數叫做代碼點（Code Points）。
代碼空間
所有的代碼點構成一個代碼空間（Code Space），根據Unicode定義，總共有1,114,112個代碼點，編號從0x0到0x10FFFF。換句話說，如果每個代碼點都能夠代表一個有效字符的話，Unicode標準最多能夠編碼1,114,112，也就是大概110多萬個字符。最新的Unicode標準（7.0）已經給超過11萬個字符分配了代碼點。
代碼平面
Unicode標準把代碼點分成了17個代碼平面（Code Plane），編號爲#0到#16。每個代碼平面包含65,536（2^16）個代碼點（17*65,536=1,114,112）。其中，Plane#0叫做基本多語言平面（Basic Multilingual Plane，BMP），其餘平面叫做補充平面（Supplementary Planes）。Unicode7.0只使用了17個平面中的6個，並且給這6個平面起了名字，如下圖所示：
下面是這些平面的名字和用途：
BMP（Basic Multilingual Plane）大部分常用的字符都坐落在這個平面內，比如ASCII字符，漢字等。
SMP（Supplementary Multilingual Plane）這個平面定義了一些古老的文字，不常用。
SIP（Supplementary Ideographic Plane）這個平面主要是一些BMP中沒有包含漢字。
SSP（Supplementary Special-purpose Plane）這個平面定義了一些非圖形字符。
1. Unicode與ISO 10646
全世界很多個國家都在爲自己的文字編碼，並且互不想通，不同的語言字符編碼值相同卻代表不同的符號（例如：韓文編碼EUC-KR中“한국어”的編碼值正好是漢字編碼GBK中的“茄憊絹”）。因此，同一份文檔，拷貝至不同語言的機器，就可能成了亂碼，於是人們就想：我們能不能定義一個超大的字符集，它可以容納全世界所有的文字字符，再對它們統一進行編碼，讓每一個字符都對應一個不同的編碼值，從而就不會再有亂碼了。
如果說“各個國家都在爲自己文字獨立編碼”是百家爭鳴，那麼“建立世界統一的字符編碼”則是一統江湖，誰都想來做這個武林盟主。早前就有兩個機構試圖來做這個事：
(1) 國際標準化組織（ISO），他們於1984年創建ISO/IEC JTC1/SC2/WG2工作組，試圖制定一份“通用字符集”（Universal Character Set，簡稱UCS），並最終制定了ISO 10646標準。
(2) 統一碼聯盟，他們由Xerox、Apple等軟件製造商於1988年組成，並且開發了Unicode標準（The Unicode Standard，這個前綴Uni很牛逼哦—Unique, Universal, and Uniform）。
1991年前後，兩個項目的參與者都認識到，世界不需要兩個不兼容的字符集。於是，它們開始合併雙方的工作成果，併爲創立一個單一編碼表而協同工作。從Unicode 2.0開始，Unicode採用了與ISO 10646-1相同的字庫和字碼；ISO也承諾，ISO 10646將不會替超出U+10FFFF的UCS-4編碼賦值，以使得兩者保持一致。兩個項目仍都獨立存在，並獨立地公佈各自的標準。不過由於Unicode這一名字比較好記，因而它使用更爲廣泛。
Unicode編碼點分爲17個平面（plane），每個平面包含216（即65536）個碼位（code point）。17個平面的碼位可表示爲從U+xx0000到U+xxFFFF，其中xx表示十六進制值從0016到1016，共計17個平面。
2. UTF-32與UCS-4
在Unicode與ISO 10646合併之前，ISO 10646標準爲“通用字符集”（UCS）定義了一種31位的編碼形式（即UCS-4），其編碼固定佔用4個字節，編碼空間爲0x00000000~0x7FFFFFFF（可以編碼20多億個字符）。
UCS-4有20多億個編碼空間，但實際使用範圍並不超過0x10FFFF，並且爲了兼容Unicode標準，ISO也承諾將不會爲超出0x10FFFF的UCS-4編碼賦值。由此UTF-32編碼被提出來了，它的編碼值與UCS-4相同，只不過其編碼空間被限定在了0~0x10FFFF之間。因此也可以說：UTF-32是UCS-4的一個子集。
3. UTF-16與UCS-2
除了UCS-4，ISO 10646標準爲“通用字符集”（UCS）定義了一種16位的編碼形式（即UCS-2），其編碼固定佔用2個字節，它包含65536個編碼空間（可以爲全世界最常用的63K字符編碼，爲了兼容Unicode，0xD800-0xDFFF之間的碼位未使用）。例：“漢”的UCS-2編碼爲6C49。
但倆個字節並不足以正真地“一統江湖”（a fixed-width 2-byte encoding could not encode enough characters to be truly universal），於是UTF-16誕生了，與UCS-2一樣，它使用兩個字節爲全世界最常用的63K字符編碼，不同的是，它使用4個字節對不常用的字符進行編碼。UTF-16屬於變長編碼。
前面提到過：Unicode編碼點分爲17個平面（plane），每個平面包含216（即65536）個碼位（code point），而第一個平面稱爲“基本多語言平面”（Basic Multilingual Plane，簡稱BMP），其餘平面稱爲“輔助平面”（Supplementary Planes）。其中“基本多語言平面”（00xFFFF）中0xD8000xDFFF之間的碼位作爲保留，未使用。UCS-2只能編碼“基本多語言平面”中的字符，此時UTF-16與UCS-2的編碼一樣（都直接使用Unicode的碼位作爲編碼值），例：“漢”在Unicode中的碼位爲6C49，而在UTF-16編碼也爲6C49。另外，UTF-16還可以利用保留下來的0xD800-0xDFFF區段的碼位來對“輔助平面”的字符的碼位進行編碼，因此UTF-16可以爲Unicode中所有的字符編碼。
UTF-16中如何對“輔助平面”進行編碼呢？
Unicode的碼位區間爲00x10FFFF，除“基本多語言平面”外，還剩0xFFFFF個碼位（並且其值都大於或等於0x10000）。對於“輔助平面”內的字符來說，如果用它們在Unicode中碼位值減去0x10000，則可以得到一個00xFFFFF的區間（該區間中的任意值都可以用一個20-bits的數字表示）。該數字的前10位(bits)加上0xD800，就得到UTF-16四字節編碼中的前兩個字節；該數字的後10位(bits)加上0xDC00，就得到UTF-16四字節編碼中的後兩個字節。例如：
（這個字念啥？_）
上面這個漢字的Unicode碼位值爲2AEAB，減去0x10000得到1AEAB（二進制值爲0001 1010 1110 1010 1011），前10位加上D800得到D86B，後10位加上DC00得到DEAB。於是該字的UTF-16編碼值爲D86BDEAB（該值爲大端表示，小端爲6BD8ABDE）。
4. UTF-8
從前述內容可以看出：無論是UTF-16/32還是UCS-2/4，一個字符都需要多個字節來編碼，這對那些英語國家來說多浪費帶寬啊！（尤其在網速本來就不快的那個年代。。。）由此，UTF-8產生了。在UTF-8編碼中，ASCII碼中的字符還是ASCII碼的值，只需要一個字節表示，其餘的字符需要2字節、3字節或4字節來表示。
UTF-8的編碼規則：
(1) 對於ASCII碼中的符號，使用單字節編碼，其編碼值與ASCII值相同（詳見：U0000.pdf）。其中ASCII值的範圍爲0~0x7F，所有編碼的二進制值中第一位爲0（這個正好可以用來區分單字節編碼和多字節編碼）。
(2) 其它字符用多個字節來編碼（假設用N個字節），多字節編碼需滿足：第一個字節的前N位都爲1，第N+1位爲0，後面N-1 個字節的前兩位都爲10，這N個字節中其餘位全部用來存儲Unicode中的碼位值。
| 字節數 | Unicode | UTF-8編碼 |
|---|---|---|
| 1 | 000000-00007F | 0xxxxxxx |
| 2 | 000080-0007FF | 110xxxxx 10xxxxxx |
| 3 | 000800-00FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 4 | 010000-10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
5. 總結
(1) 簡單地說：Unicode屬於字符集，不屬於編碼，UTF-8、UTF-16等是針對Unicode字符集的編碼。
(2) UTF-8、UTF-16、UTF-32、UCS-2、UCS-4對比：
| 對比 | UTF-8 | UTF-16 | UTF-32 | UCS-2 | UCS-4 |
|---|---|---|---|---|---|
| 編碼空間 | 0-10FFFF | 0-10FFFF | 0-10FFFF | 0-FFFF | 0-7FFFFFFF |
| 最少編碼字節數 | 1 | 2 | 4 | 2 | 4 |
| 最多編碼字節數 | 4 | 4 | 4 | 2 | 4 |
| 數 | 4 | 4 | 4 | 2 | 4 |
| 是否依賴字節序 | 否 | 是 | 是 | 是 | 是 |
