utf-8 unicode 各種編碼的區別與聯絡
1.編碼的大概認識
以UTF8格式儲存的檔案檔首標識為EF BB BF。
效率從上述編碼原理中得出的結論是：
1）.每個英文字母、數字所佔的空間為1 Byte；
2）.泛歐語系、斯拉夫語字母佔2 Bytes；
3）.漢字佔3 Bytes。
由此可見UTF8對英文來說是個非常誘人的方案，但對中文來說則不太合算，無論用ANSI還是 Unicode/UCS2來編碼都只用2 Bytes，但用UTF8則需要3 Bytes。
以下是一些統計資料，顯示用UTF8來儲存檔案每個字元所需的平均位元組：
1）.拉丁語系平均用1.1 Bytes；
2）.希臘文、俄文、阿拉伯文和希伯萊文平均用1.7 Bytes；
3）.其他大部份文字如中文、日文、韓文、Hindi(北印度語
4）.用超過4 Bytes的都是些非常少用的文字元號。
Unicode（統一碼、萬國碼、單一碼）是一種在計算機上使用的字元編碼。它為每種語言中的每個字元設定了統一併且唯一的二進位制編碼，以滿足跨語言、跨平臺進行文字轉換、處理的要求。
按照utf-8創始人的願望：
端（unicode）——傳輸（utf-8）——端（unicode）
但是，後來，許多網站開發者在開發網頁時直接使用utf-8編碼。
端（utf-8）——傳輸（utf-8）——端（utf-8）
PS：國際文件（txt和xml）使用unicode編碼是正宗做法；作業系統和瀏覽器都能夠“理解”unicode編碼。瀏覽器“迫於壓力”才“理解”utf-8編碼。但是，作業系統有時只認unicode編碼。
2. 編碼基本知識
最早的編碼是iso8859-1，和ascii編碼相似。但為了方便表示各種各樣的語言，逐漸出現了很多標準編碼，重要的有如下幾個。
2.1. iso8859-1 通常叫做Latin-1
屬於單位元組編碼，最多能表示的字元範圍是0-255，應用於英文系列。比如，字母a的編碼為0x61=97。
很明顯，iso8859-1編碼表示的字元範圍很窄，無法表示中文字元。但是，由於是單位元組編碼，和計算機最基礎的表示單位一致，所以很多時候，仍舊使用iso8859-1編碼來表示。而且在很多協議上，預設使用該編碼。比如，雖然"中文"兩個字不存在iso8859-1編碼，以gb2312編碼為例，應該是"d6d0 cec4"兩個字元，使用iso8859-1編碼的時候則將它拆開為4個位元組來表示："d6 d0 ce c4"（事實上，在進行儲存的時候，也是以位元組為單位處理的）。而如果是UTF編碼，則是6個位元組"e4 b8 ad
e6 96 87"。很明顯，這種表示方法還需要以另一種編碼為基礎。
2.2. GB2312/GBK
這就是漢子的國標碼，專門用來表示漢字，是雙位元組編碼，而英文字母和iso8859-1一致（相容iso8859-1編碼）。其中gbk編碼能夠用來同時表示繁體字和簡體字，而gb2312只能表示簡體字，gbk是相容gb2312編碼的。
2.3. unicode
這是最統一的編碼，可以用來表示所有語言的字元，而且是定長雙位元組（也有四位元組的）編碼，包括英文字母在內。所以可以說它是不相容iso8859-1編碼的，也不相容任何編碼。不過，相對於iso8859-1編碼來說，uniocode編碼只是在前面增加了一個0位元組，比如字母a為"00 61"。
需要說明的是，定長編碼便於計算機處理（注意GB2312/GBK不是定長編碼），而unicode又可以用來表示所有字元，所以在很多軟體內部是使用unicode編碼來處理的，比如java。
2.4. UTF
考慮到unicode編碼不相容iso8859-1編碼，而且容易佔用更多的空間：因為對於英文字母，unicode也需要兩個位元組來表示。所以unicode不便於傳輸和儲存。因此而產生了utf編碼，utf編碼相容iso8859-1編碼，同時也可以用來表示所有語言的字元，不過，utf編碼是不定長編碼，每一個字元的長度從1-6個位元組不等。另外，utf編碼自帶簡單的校驗功能。一般來講，英文字母都是用一個位元組表示，而漢字使用三個位元組。
注意，雖然說utf是為了使用更少的空間而使用的，但那只是相對於unicode編碼來說，如果已經知道是漢字，則使用GB2312/GBK無疑是最節省的。不過另一方面，值得說明的是，雖然utf編碼對漢字使用3個位元組，但即使對於漢字網頁，utf編碼也會比unicode編碼節省，因為網頁中包含了很多的英文字元。