原文：https://www.cnblogs.com/web21/p/6092414.html

　　UNICODE是萬能編碼，包含了所有符號的編碼，它規定了所有符號在計算機底層的二進位制的表示順序。有關Unicode為什麼會出現就不敘述了，Unicode是針對所有計算機的使用者定義一套統一的編碼規範，這樣計算機使用者就避免了編碼轉換的問題。

　　Unicode定義了所有符號的二進位制形式，也就是符號如何在計算機內部儲存的，而且每個符號規定都必須使用兩個位元組來表示，也就是用16位二進位制去代表一個符號，這樣就導致了一個問題，英文編碼的空間浪費，因為在ANSI中的符號都是一個位元組來表示的，而使用了UNICODE編碼就白白浪費了一個位元組。也就代表著Unicode需要使用兩倍的空間去儲存相應的ANSI編碼下的符號。雖然現在硬碟或者記憶體都很廉價，但是在網路傳輸中，這個問題就凸顯出來了，你可以這樣想想，本來1M的頻寬在ANSI下可以代表1024*1024個字元，但是在Unicode下卻只能代表1024*1024/2個字元。也就是1MB/s的頻寬只能等價於512KB/s，這個很可怕啊。

　　所以為了解決符號在網路中傳輸的浪費問題，就出現了UTF-8編碼，Unicode transfer format -8 ，後面的8代表是以8位二進位制為單位來傳輸符號的，但是這樣又導致了一個問題，雖然UTF-8可以使用一個位元組來表示ANSI下的符號，但是對於其它類似漢語的符號，得需要兩個位元組來表示，所以計算機不知道如何去擷取一個符號，也就是一個符號對應的二進位制的擷取開始位置和擷取結束位置。所以為了解決Unicode下的ANSI符號的空間浪費和網路傳輸下如何擷取字元的問題，UTF規定：如果一個符號只佔一個位元組，那麼這個8位位元組的第一位就為0。如果為兩個位元組，那麼規定第一個位元組的前兩位都為1，然後第一個位元組的第三位為0，第二個位元組的前兩位為10，然後如果是三個位元組的話，那麼第一個位元組的前三位為111，第四位為0，剩餘的兩個位元組的前兩位都為10。按照這樣的演算法去思考一箇中文字元的UTF-8是怎麼表示的：一箇中文字元需要兩個位元組來表示，兩個位元組一共是16位，那麼UTF-8下，兩個位元組是不夠的，因為兩個位元組下，第一個位元組已經佔據了三位：110，然後剩餘的一個位元組佔據了兩位：10，現在就只剩下11位，與Unicode下的兩個位元組，16位去表示任意一個字元是相悖的。所以就使用三個位元組去表示非ANSI字元：三個位元組下，一共是24位，第一個位元組頭四位是：1110，後兩個位元組的前兩位都是：10，那麼24位-8位=16位，剛好兩個位元組去表示Unicode下的任意一個非ANSI字元。這也就是為什麼UTF-8需要使用三個位元組去表示一個非ANSI字元的原因了！

　　題外話：

　　然，中國的漢字多達10多萬，常用的漢字3500左右[08年統計]，如果用3個位元組來表示，一共只有2^16(65535)種可能，不足以表示10多萬的漢字。所以中日韓的超大字符集是採用的4個位元組來表示的，多達6萬多個。但是平時使用超大字符集的概率0.01%都不到。所以我們一般認為日常的中文在UTF-8中佔三個位元組 即可！

多個位元組提供的位數超過了所需要的，多餘的位以0補全到編碼前面