我们都知道计算存储数据和传输数据都是以二进制的形式，也就是0和1，这是因为0和1刚好对应电路中的高电位和低电位。
计算机中最小的存储单位为字节（byte），最小传输单位是位（bit），一个字节占8位。
既然计算机存储的是二进制数，那么在显示终端上是怎么展示成人类识别的文字或者符号的呢？
我们知道计算机最开始是在美国使用，他们为了解决这个问题，于是想了一个办法，将每一个符号（文字）与一个数值对应，比如英文字母"a"，对应数字97,以二进制表示为01100001。而8位共有2的8次方256中排列组合，而英文字母一共只有26个，加上大小写52个，再加上阿拉伯数字0到10和一些符号，一共排到了127，一个字节刚好够存储。于是美国人就把这个二进制与字符的映射关系叫做ANSI，也就是Ascii（美国标准信息互换码）。
后来计算机传到了其他国家，但他们的一些字符ANSI里面没有，于是，他们将自己国家的字符往127后继续排，直到255，他们把128-255这段称为扩展字符集。但是255是远远不够的，尤其是当计算机传到中国，光是常用汉字就有3000多个。
于是聪明的中国人把那些127号之后的奇异符号们直接取消掉, 规定：一个小于127的字符的意义与原来相同，但两个大于127的字符连在一起时，就表示一个汉字，前面的一个字节（他称之为高字节）从0xA1用到0xF7，后面一个字节（低字节）从0xA1到0xFE，这样我们就可以组合出大约7000多个简体汉字了。在这些编码里，我们还把数学符号、罗马希腊的字母、日文的假名们都编进去了，连在 ASCII 里本来就有的数字、标点、字母都统统重新编了两个字节长的编码，这就是常说的”全角”字符，而原来在127号以下的那些就叫”半角”字符了。中国人民看到这样很不错，于是就把这种汉字方案叫做 “GB2312“。GB2312 是对 ASCII 的中文扩展。
不仅是中国，其他国家也搞一套自己的字符集，结果谁也不懂谁的编码。
就在这个时候，一个叫做ISO（国际标准化组织）的组织出现了，它说这样不行，得由他来定义一套统一得标准，于是，他废除了其他地区的编码方法，重新搞了一套包含地球上所有文字，和符号的编码，也就是unicode编码，俗称万国码。
ISO规定，所有的字符必须用两个字节表示，也就是16位，对于Ascii字符集里的也用两个字节表示，高位用0补齐。
这样有一个很大的问题，就是当字符对应的码点数小于255时，因为高8位永远为0，这样我们就极大地浪费了存储空间，但是如果我们把这个为0的8位去掉，计算机怎么认识，那个字符占8位，那个占16位呢，举个例子
字符串"a我"用如果以unicdeo标准来表示则为"00000000 01100001 01100010 00010001"（为了便于阅读我每8为加了一个空格）
这样计算机读取的时候，可以每次固定取16位，然后根据字符集对应的码点找到对应的字符。
但是如果我们为了节省空间，把第一个8位为0去掉，则为"01100001 01100010 00010001"，这样在存储的时候是没有问题的，我们根据对应的字符，找到其码点数，如果高8位是0就去掉。
但是当我们需要从计算机存储空间了读出来（比如显示在屏幕上），计算机就不知道那个字符是两个字节，那个是一个字节了。
因为每个字符现在所占字节数不是固定的了。
知道UTF-8（UCS Transfer Format）出现，
UTF-8就是在互联网上使用最广的一种unicode的实现方式，这是为传输而设计的编码，并使编码无国界，这样就可以显示全世界上所有文化的字符了。UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度，当字符在ASCII码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，注意的是unicode一个中文字符占2个字节，而UTF-8一个中文字符占3个字节）。从unicode到utf-8并不是直接的对应，而是要过一些算法和规则来转换。
UTF8的编码方式：
根据上表的规范，0-127码点数对应的字符，我们用一个字节表示，其第一位为0；
如果第一位是1，则看连续几个1，如果是2个则表示两个字节存储，三个就是三个字节存储，首个字节连续1后面是个0，后面的字节前两位都用10填充。这些位置确定好后，再找到对应字符的码点数，从右往左对应往里填充，不足的用0补充。
以"我"为例"01100010 00010001" =>25105,从上表中看，需要三个字节存储
首先是1110xxxx 10xxxxxx 10xxxxxx
然后我们将01100010 00010001从右到左往x里填 => 11100110 10001000 10010001
结果就是如上。这就是UTF-8的编码思想。