http://www.jianshu.com/p/oHryhG
http://visionsky.blog.51cto.com/733317/895928
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html
ASCII編碼以及ASCII擴展
計算機內部使用Byte存儲，也就是0x00 - 0xFF，共計256個編碼
ASCII使用0x00 - 0x7F，共計128個編碼，用於英文字母、數字、特殊字符；
其它國家進行了擴展，即ASCII擴展，但存在兩個問題：
1、不通用；
2、不夠用；
漢字編碼
簡體：GB2313 -> GBK，不斷擴展，使用兩個字節固定編碼；
繁體：Big5
Unicode編碼
爲世界上所有的符號都賦予一個唯一的編碼，那麼亂碼問題就會消失。
Unicode使用3個字節進行編碼，編碼範圍：0x00-00-00 - 0x10-FF-FF。
Unicode只是一種編碼方案，其有多種存儲、傳輸方式，也就是實現方式，比如utf8，utf16，utf32等。
Unicode符號範圍 | UTF-8編碼方式
(十六進制) | （二進制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
(十六進制) | （二進制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
跟據上表，解讀UTF-8編碼非常簡單。如果一個字節的第一位是0，則這個字節單獨就是一個字符；如果第一位是1，則連續有多少個1，就表示當前字符佔用多少個字節。後面每個字節都已10開頭。
一個文件如何知道採用什麼編碼方式？另外對於存儲和傳輸，還涉及大小端問題。
Unicode規範中定義，每一個文件的最前面分別加入一個表示編碼順序的字符，這個字符的名字叫做"零寬度非換行空格"（ZERO WIDTH NO-BREAK SPACE），用FEFF表示。這正好是兩個字節，而且FF比FE大1。
如果一個文本文件的頭兩個字節是FE FF，就表示該文件採用大頭方式；如果頭兩個字節是FF FE，就表示該文件採用小頭方式。
BOM = Byte Order Mark，UTF8不存在LE和BE的問題，其BOM可有可無。
| 編碼方案 | BOM(十六進制) |
|---|---|
| UTF-8 | EF BB BF |
| UTF-16LE | FF FE |
| UTF-16BE | FE FF |
| UTF-32LE | FF FE 00 00 |
| UTF-32BE | 00 00 FE FF |
Unicode碼的編碼範圍：0x000000 ~ 0x10FFFF，三個字節。
第一個字節代表plane，共計17個plane，每個plane有65536個狀態；
事實上，在Unicode 5.0版本中只用到了0，1，2，14，15，16這幾個編號plane中的238605個狀態。
存儲邏輯
Unicode編碼了世界上所有字符，但佔用空間比較大，其採用編碼和存儲分開的邏輯，就有了多種實現方式。
utf8：變長，1-4字節；
utf16：變長，2,4字節；
utf32：定長，4字節；因爲unicode只有3字節，因此直接存儲。
Unicode、UCS2、UCS4
unicode的前身是UCS ？分爲UCS2和UCS4兩種形式。
Unicode的學名是"UniversalMultiple-Octet Coded Character Set"，簡稱爲UCS。UCS可以看作是"Unicode CharacterSet"的縮寫。
爲了使編碼方案統一，UCS4承諾不再向0x10FFFF後面添加新的編碼，並將UCS2作爲0號plane，即BMP（Basic
Multilingual Plane）。
3者之間的關係爲：
UCS-4編碼中0x00000000 ~ 0x0010FFFF的部分組成了Unicode編碼
Unicode編碼中0x000000 ~ 0x00FFFF的部分組成了UCS-2編碼
因此UTF-16作爲UCS-2編碼的存儲方案，UTF-32作爲UCS-4編碼的存儲方案使用4個字節，還是仍然保留着。
UCS-4編碼中0x00000000 ~ 0x0010FFFF的部分組成了Unicode編碼
Unicode編碼中0x000000 ~ 0x00FFFF的部分組成了UCS-2編碼
因此UTF-16作爲UCS-2編碼的存儲方案，UTF-32作爲UCS-4編碼的存儲方案使用4個字節，還是仍然保留着。
是否可以這樣認爲？
UCS2 = UTF16， UCS4 = UTF32
內碼
字符必須編碼後才能被計算機處理。計算機使用的缺省編碼方式就是計算機的內碼。
DBCS：雙字節字符集
CJK：中日韓
Unicode只與ASCII兼容，與GB2312，GBK，Big5都不兼容。
Windows使用代碼頁（code page）來適應不同的國家和地區。GBK對應的code page是CP936.