很長一段時間，對於字符集和字符編碼都是處於一種懵懵懂懂的狀態，對於什麼ascii、GB2312、UTF8、UTF16、UTF32、Unicode之類的更是繞的暈暈乎乎，從來沒有正面去徹底搞清楚其中就裏。
今天就在這裏把這些亂七八糟的玩意徹底搞明白。
字符：
什麼是字符？“我”就是一個字符，“你”也是一個字符，“他”也是一個字符。字符就是你在計算機屏幕之上看到的每一個單獨的文字或符號，無關語言，當然，並非每一個字符你都能看到，比如說換行符之類的。
字符集：
顧名思義，字符集就是字符的集合，傳說在很久很久（其實也沒多久啦），有許多的字符集，英文的ascii，中文的GB2312……等等，巴拉巴拉的。
總之，每一種語言都有其相對應的字符集。就醬紫，你品，你細品，我滴乖乖，全世界那麼多種語言，得有多少種字符集纔夠用啊？
當然，人類聰明的大腦自然能夠想到解決之道，那就是Unicode通用字符集。哎呀，這個字符集那可了不得，是所有字符集的大哥大，是國際組織制定的可以容納世界上所有文字和符號的字符編碼方案。目前的Unicode字符分爲17組編排，0x0000 至 0x10FFFF，每組稱爲平面（Plane），而每平面擁有65536個碼位，共1114112個。
我滴乖乖，一百多萬個字符容量，怎麼也夠用了。
綜上，字符、字符集的概念，咱們就簡單的說完了。
但是，字符集與計算機是相互獨立的，因爲計算機只認得00000000000000000100111101100000(Unicode中“你”的二進制編碼)，它既不認識“我”，也不認識“你”，想讓它識別出來“你”“我”“他”，就還需要一種映射關係，將“你”與00000000000000000100111101100000映射起來，這種映射關係，就叫做：
字符編碼：
（注意，字符編碼是立足於指定字符集之上的，比如說文件之中標明UTF-8、UTF-16、UTF-32，使用的全是Unicode字符集）
好了，現在咱們有了映射關係的概念，也有了Unicode通用字符集，但是現在又有了新的問題，我要將“你”進行網絡傳輸，肯定是要傳輸00000000000000000100111101100000這一大串，總共是二進制的32位，有朋友疑惑爲什麼是32位，因爲只有32位才足夠映射所有的Unicode字符，這種編碼方式，就叫做UTF-32，意爲每個傳輸字符佔32位空間。
那麼問題來了，大家應該注意到了，二進制的“你”開頭有一堆0，如果我還要傳一個字母“a”，那麼以UTF-32的編碼方式來傳輸，a 的二進制開頭0更多，就是（“你”）00000000111001001011110110100000（“a”）00000000000000000000000001100001。
這是爲什麼呢？
那是因爲，“你”這個字符在Unicode字符集中的十進制編碼爲20320，那麼在二進制的情況下就是隻需兩個字節就夠了，即：0100111101100000。而字符“a”在Unicode字符集中的十進制字符編碼爲97，而二進制要表示97，只需要一字節Byte，也就是8位就足夠了：01100001。
顯然，前面那一大串0，全沒啥用，都是用來佔位的，都是爲了滿足UTF-32每一個字符都應該佔32位的規範。那麼這顯然是對存儲空間或網絡傳輸效益的極大浪費，因爲我一個字母明明用一個字節就能表示，你非要用四個，這不是浪費是什麼？
所以，在這種情況之下，可變長字符編碼規則，即UTF-8、UTF-16出現了。
UTF-8是指爲了表示一個字符，最小要用到二進制8位，即一個字節，最多理論上是6個字節，而UTF-16是指最小要用到二進制16位，即兩個字節，最多理論上也是6個字節。
那麼這兩者是如何實現可變長的呢？計算機是如何識別用UTF-8、UTF-16編碼的數據是由分別是由幾個字節構成一個字符的呢？
道理很簡單，在UTF-8的編碼情況下，只要一個二進制字節以0開頭，即0XXXXXXX（注意，所有描述中出現的X符號，皆是用來存儲Unicode字符集的二進制字符編碼），那該字節必然是一個單字節字符，所以只要遇到字節開頭0，便以單字節形式進行解碼。因爲ascii字符集全是單字節字符，所以說UTF-8兼容ascii。
如果是多字節字符，則構成情況=頭字節+身字節+身字節……這種形式。上面講了單字節必然是以0開頭，那麼多字節必然是以1開頭的了，可是既然多字節都是以1開頭，那麼如何區分哪個是頭字節？哪個是身字節呢？我們接着往下看。
頭字節：
頭字節描述着該字符總共佔用幾個字節，如頭字節110XXXXX意指該字符總共由2個字節構成，1110XXXX是指字符佔3個字節、11110XXX是指字符佔4個字節……以此類推。如此，眼尖的朋友應該注意到了，如果是頭字節，必然必然是以11開頭
身字節：
那麼既然頭字節以11開頭，身字節用10開頭，便可與其作以區分了，即10XXXXXX。於是乎，UTF-8的多字節字符構成方式就是這樣：（2字節）（頭）110XXXXX （身）10XXXXXX、（三字節）（頭）1110XXXX （身）10XXXXXX （身）10XXXXXX
UTF-16與UTF-8的區別就在於，字符的最小傳輸大小是兩字節，那麼所有在兩字節之內便可表達的字符便不再需要頭字節了。這種編碼方式對於字母來說依舊是不友好的，因爲所有字母皆可用單字節表達，另一個字節仍然是無用狀態，因爲多了個無用字節，所以UTF-16不兼容單字節的ascii碼。雖說如此，UTF-16字符編碼對於漢字來說卻是非常適用，因爲如果去除了頭標誌，許多要在UTF-8編碼規則下佔用3個字節的漢字，在UTF-16編碼規則下只需要佔用2個字節。不過就目前的流行情況來看，使用UTF-8編碼格式是主流。
哎呀，寫到這裏，總算把這些亂七八糟的給捋明白了，以後便不會再被各種字符問題絆腳。以上所述如何謬誤之處，歡迎諸位朋友指正。