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制的表示順序。有關Unicode為什麽會出現就不敘述了，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制形式，也就是符號如何在計算機內部存儲的，而且每個符號規定都必須使用兩個字節來表示，也就是用16位二進制去代表一個符號，這樣就導致了一個問題，英文編碼的空間浪費，因為在ANSI中的符號都是一個字節來表示的，而使用了UNICODE編碼就白白浪費了一個字節。也就代表著Unicode需要使用兩倍的空間去存儲相應的ANSI編碼下的符號。雖然現在硬盤或者內存都很廉價，但是在網絡傳輸中，這個問題就凸顯出來了，你可以這樣想想，本來1M的帶寬在ANSI下可以代表1024*1024個字符，但是在Unicode下卻只能代表1024*1024/2個字符。也就是1MB/s的帶寬只能等價於512KB/s，這個很可怕啊。

　　所以為了解決符號在網絡中傳輸的浪費問題，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可以使用一個字節來表示ANSI下的符號，但是對於其它類似漢語的符號，得需要兩個字節來表示，所以計算機不知道如何去截取一個符號，也就是一個符號對應的二進制的截取開始位置和截取結束位置。所以為了解決Unicode下的ANSI符號的空間浪費和網絡傳輸下如何截取字符的問題，UTF規定：如果一個符號只占一個字節，那麽這個8位字節的第一位就為0。如果為兩個字節，那麽規定第一個字節的前兩位都為1，然後第一個字節的第三位為0，第二個字節的前兩位為10，然後如果是三個字節的話，那麽第一個字節的前三位為111，第四位為0，剩余的兩個字節的前兩位都為10。按照這樣的算法去思考一個中文字符的UTF-8是怎麽表示的：一個中文字符需要兩個字節來表示，兩個字節一共是16位，那麽UTF-8下，兩個字節是不夠的，因為兩個字節下，第一個字節已經占據了三位：110，然後剩余的一個字節占據了兩位：10，現在就只剩下11位，與Unicode下的兩個字節，16位去表示任意一個字符是相悖的。所以就使用三個字節去表示非ANSI字符：三個字節下，一共是24位，第一個字節頭四位是：1110，後兩個字節的前兩位都是：10，那麽24位-8位=16位，剛好兩個字節去表示Unicode下的任意一個非ANSI字符。這也就是為什麽UTF-8需要使用三個字節去表示一個非ANSI字符的原因了！

　　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個字節來表示，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采用的4個字節來表示的，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中占三個字節 即可！

多個字節提供的位數超過了所需要的，多余的位以0補全到編碼前面

在UTF-8中，一個漢字為什麽需要三個字節？