我們都知道計算存儲數據和傳輸數據都是以二進制的形式，也就是0和1，這是因爲0和1剛好對應電路中的高電位和低電位。
計算機中最小的存儲單位爲字節（byte），最小傳輸單位是位（bit），一個字節佔8位。
既然計算機存儲的是二進制數，那麼在顯示終端上是怎麼展示成人類識別的文字或者符號的呢？
我們知道計算機最開始是在美國使用，他們爲了解決這個問題，於是想了一個辦法，將每一個符號（文字）與一個數值對應，比如英文字母"a"，對應數字97,以二進制表示爲01100001。而8位共有2的8次方256中排列組合，而英文字母一共只有26個，加上大小寫52個，再加上阿拉伯數字0到10和一些符號，一共排到了127，一個字節剛好夠存儲。於是美國人就把這個二進制與字符的映射關係叫做ANSI，也就是Ascii（美國標準信息互換碼）。
後來計算機傳到了其他國家，但他們的一些字符ANSI裏面沒有，於是，他們將自己國家的字符往127後繼續排，直到255，他們把128-255這段稱爲擴展字符集。但是255是遠遠不夠的，尤其是當計算機傳到中國，光是常用漢字就有3000多個。
於是聰明的中國人把那些127號之後的奇異符號們直接取消掉, 規定：一個小於127的字符的意義與原來相同，但兩個大於127的字符連在一起時，就表示一個漢字，前面的一個字節（他稱之爲高字節）從0xA1用到0xF7，後面一個字節（低字節）從0xA1到0xFE，這樣我們就可以組合出大約7000多個簡體漢字了。在這些編碼裏，我們還把數學符號、羅馬希臘的字母、日文的假名們都編進去了，連在 ASCII 裏本來就有的數字、標點、字母都統統重新編了兩個字節長的編碼，這就是常說的”全角”字符，而原來在127號以下的那些就叫”半角”字符了。中國人民看到這樣很不錯，於是就把這種漢字方案叫做 “GB2312“。GB2312 是對 ASCII 的中文擴展。
不僅是中國，其他國家也搞一套自己的字符集，結果誰也不懂誰的編碼。
就在這個時候，一個叫做ISO（國際標準化組織）的組織出現了，它說這樣不行，得由他來定義一套統一得標準，於是，他廢除了其他地區的編碼方法，重新搞了一套包含地球上所有文字，和符號的編碼，也就是unicode編碼，俗稱萬國碼。
ISO規定，所有的字符必須用兩個字節表示，也就是16位，對於Ascii字符集裏的也用兩個字節表示，高位用0補齊。
這樣有一個很大的問題，就是當字符對應的碼點數小於255時，因爲高8位永遠爲0，這樣我們就極大地浪費了存儲空間，但是如果我們把這個爲0的8位去掉，計算機怎麼認識，那個字符佔8位，那個佔16位呢，舉個例子
字符串"a我"用如果以unicdeo標準來表示則爲"00000000 01100001 01100010 00010001"（爲了便於閱讀我每8爲加了一個空格）
這樣計算機讀取的時候，可以每次固定取16位，然後根據字符集對應的碼點找到對應的字符。
但是如果我們爲了節省空間，把第一個8位爲0去掉，則爲"01100001 01100010 00010001"，這樣在存儲的時候是沒有問題的，我們根據對應的字符，找到其碼點數，如果高8位是0就去掉。
但是當我們需要從計算機存儲空間了讀出來（比如顯示在屏幕上），計算機就不知道那個字符是兩個字節，那個是一個字節了。
因爲每個字符現在所佔字節數不是固定的了。
知道UTF-8（UCS Transfer Format）出現，
UTF-8就是在互聯網上使用最廣的一種unicode的實現方式，這是爲傳輸而設計的編碼，並使編碼無國界，這樣就可以顯示全世界上所有文化的字符了。UTF-8最大的一個特點，就是它是一種變長的編碼方式。它可以使用1~4個字節表示一個符號，根據不同的符號而變化字節長度，當字符在ASCII碼的範圍時，就用一個字節表示，保留了ASCII字符一個字節的編碼做爲它的一部分，注意的是unicode一箇中文字符佔2個字節，而UTF-8一箇中文字符佔3個字節）。從unicode到utf-8並不是直接的對應，而是要過一些算法和規則來轉換。
UTF8的編碼方式：
根據上表的規範，0-127碼點數對應的字符，我們用一個字節表示，其第一位爲0；
如果第一位是1，則看連續幾個1，如果是2個則表示兩個字節存儲，三個就是三個字節存儲，首個字節連續1後面是個0，後面的字節前兩位都用10填充。這些位置確定好後，再找到對應字符的碼點數，從右往左對應往裏填充，不足的用0補充。
以"我"爲例"01100010 00010001" =>25105,從上表中看，需要三個字節存儲
首先是1110xxxx 10xxxxxx 10xxxxxx
然後我們將01100010 00010001從右到左往x裏填 => 11100110 10001000 10010001
結果就是如上。這就是UTF-8的編碼思想。