Unicode / UTF-8

Unicode 是一个字符集，定义了“字符与编号（码点）”的映射。UTF-8 是一种编码方式，负责把码点变成字节序列。

一个直观例子

• A 的码点是 U+0041
• 用 UTF-8 编码时，就是一个字节：0x41

而 中 的码点是 U+4E2D，用 UTF-8 编码时需要 3 个字节。

为什么 UTF-8 流行

• 兼容 ASCII：英文字符仍然是 1 字节。
• 节省空间：对英文友好，对中文等多字节字符也能支持。
• 互联网事实标准：Web 世界几乎都用它。

常见误解

• Unicode 不是编码：Unicode 只是“码点表”。
• UTF-8 不是字符集：UTF-8 只是编码方式。

进一步阅读

理解 Unicode / UTF-8 有助于避免乱码和文件编码问题。