参考：https://blog.csdn.net/kupepoem/article/details/105242842
Unicode是计算机领域的一项行业标准，它对世界上绝大部分的文字的进行整理和统一编码，Unicode的编码空间可以划分为17个平面（plane），每个平面包含2的16次方（65536）个码位。17个平面的码位可表示为从U+0000到U+10FFFF，共计1114112个码位，第一个平面称为基本多语言平面（Basic Multilingual Plane, BMP），或称第零平面（Plane 0）。其他平面称为辅助平面（Supplementary Planes）。基本多语言平面内，从U+D800到U+DFFF之间的码位区段是永久保留不映射到Unicode字符，所以有效码位为1112064个。
unicode只是编码数字我们这里讨论基本多语言平面U+0000到U+FFFF（汉文，韩语，日语的象形文字占用从0X3000到0X9FFF），基本平面的unicode数字基本2个字节空间的大小就可以表示了。
如何表示unicode以下是我思考的几种方法：
1、ASCII表示法
ASCII 只有127个字符，表示英文字母的大小写、数字和一些符号，但由于其他语言用ASCII 编码表示字节不够，例如：常用中文需要两个字节，且不能和ASCII冲突，中国定制了GB2312编码格式，相同的，其他国家的语言也有属于自己的编码格式。ASCII码可以表示unicode中0x00-0x7F(0x00 空字符+127个字符)，但是对于其它字符如何表示ASCII是不够的。
2、utf8表示
UTF-8是一种变长编码，对于一个Unicode的字符被编码成1至4个字节。Unicode编码与UTF-8的编码的对应关系:
| Unicode编码 | UTF-8编码(二进制) |
|---|---|
| U+0000 – U+007F | 0xxxxxxx |
| U+0080 – U+07FF | 110xxxxx 10xxxxxx |
| U+0800 – U+FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| U+10000 – U+10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
一个字节的uft8表示的unicode 码范围为(0 ~0x7F)
两个字节长度的uft8 表示的unicode码范围为(0x80 ~ 0x07FF)
三个字节长度的uft8 表示的unicode码范围为(0x0800 ~ 0xFFFF)
四个字节长度的uft8 表示的unicode码范围为( 0x10000 ~ 0x10FFFF)（基本平面需要四字节表示）
从上表中可以看出汉子需要3个字节表示（汉文，韩语，日语的象形文字占用从0X3000到0X9FFF），utf-8的一字节表示其实就ASCii的表示这样可以ASCII上下兼容。一字节表示0xxxxxxx、2字节表示110xxxxx 10xxxxxx和3字节表示1110xxxx 10xxxxxx 10xxxxxx表示可以很容易的区分，所以对于解析也是挺容易。
基本平面中文用三个字节编码，举例如下:
| Unicode | 字符 | UTF-8编码 |
|---|---|---|
| U+0041 | A | 0x41 |
| U+7834 | 破 | 0xE7 0xA0 0xB4 |
| U+6653 | 晓 | 0xE6 0x99 0x93 |
utf-8兼容AScii码，对于英文数字较多的文档比较有优势。
3、utf16表示
UTF-16也是一种变长编码，对于一个Unicode字符被编码成1至2个码元，每个码元为16位。
基本多语言平面（码位范围U+0000-U+FFFF）
在基本多语言平面内的码位UTF-16编码使用1个码元且其值与Unicode是相等的（不需要转换）。举例如下
| Unicode | 字符 | UTF-16（码元） | UTF-16 LE（字节） | UTF-16 BE（字节） |
|---|---|---|---|---|
| U+0041 | A | 0x0041 | 0x41 0x00 | 0x00 0x41 |
| U+7834 | 破 | 0x7834 | 0x34 0x78 | 0x78 0x34 |
| U+6653 | 晓 | 0x6653 | 0x53 0x66 | 0x66 0x53 |
utf-16表示对于英文字符比utf-8会多一个字节，对于英文比较多的文档空间上不如utf-8，但对于中文比较多的文档utf-16还是比较有优势的
4、utf-32表示
UTF-32是一种定长编码，使用1个32bit的码元，其值与Unicode编码值相等。举例如下:
| Unicode | 字符 | UTF-32（码元） | UTF-32 LE（字节） | UTF-32 BE（字节） |
|---|---|---|---|---|
| U+0041 | A | 0x00000041 | 0x41 0x00 0x00 0x00 | 0x00 0x00 0x00 0x41 |
| U+7834 | 破 | 0x00007834 | 0x34 0x78 0x00 0x00 | 0x00 0x00 0x78 0x34 |
| U+6653 | 晓 | 0x00006653 | 0x53 0x66 0x00 0x00 | 0x00 0x00 0x66 0x53 |
| U+2A6A5 | 𪚥 | 0x0002A6A5 | 0xA5 0xA6 0x02 0x00 | 0x00 0x02 0xA6 0xA5 |
utf-32目前工业上使用较少，因为它的空间浪费实在太大，效率上也没有优势。
5、总结
unicode就是给各个符号规定的一个数字，唯一标识符号。如何编码这个数字有4种方法，当然ASCII码方法就能表示其中的128数字。utf-8、utf-16和utf-32都能全部表示 unicode中的数字。这里我重点讲了下基本平面的表示，对于辅助平面的表示大家可以看看https://blog.csdn.net/kupepoem/article/details/105242842，以后有时间我也会再写关于辅助平面的表示。