unicode、utf-32、utf-8、utf-16

unicode

unicode（统一字符）规定了所有字符的字符范围。

unicode 规定了范围。

根据unicode规定的范围，可以制定不同的实现方案来达到字符统一目的。

utf-32

utf-32 是最好理解的方案。所有的字符都不超过2³²种， 所以用 utf-32 可以涵盖所有的字符。缺点是每个字符都会占4个字节。

utf-8

utf-8 是一种较节约空间的方案。utf-8 分了4种情况。

当字符为“美国标准码”时长度为一个字节。如'0111 1111'。这个高位的（第一个）0 就表示该字符是一字节字符。
所以需要有一个规则，来确定该字符占据几个字节。

两个字节的情况。'110x xxxx xxxx xxxx'。 前面的两个1代表 这是两个字节的字符。0作为字符字节长度识别的结束标识符。这个情况下一共有 2⁵⁺⁸ 种。

三个字节的情况。'1110 xxxx xxxx xxxx xxxx xxxx'。 这个情况下一共有 2⁴⁺⁸⁺⁸ 种。

四个字节的情况。'1111 0xxx xxxx xxxx xxxx xxxx xxxx xxxx'。 这个情况下一共有 2^3+8+8+8 种。

utf-16

在unicode中D800到DFFF为空段，这个区间范围不表示任何字符。

D800到DFFF即 '1101 1000 0000 0000' 到 '1101 1111 1111 1111'
两者相减 得到 '0000 0111 1111 1111' 。
这表示 有 2¹¹ 种状态未被使用。

unicode目前一共有172¹⁶种状态。
17是17个面。
其中一个面是 基本面。范围是 0000-FFFF 即可用两字节表示。
其他16个面是 辅助面。范围是 010000-10FFFF。这些状态有 162¹⁶ 种，即2²⁰。
我们将D800到DFFF为空段范围平分，得到两个 2¹⁰种状态的 区间。两个区间组合在一起就能够表示 2²⁰ 种状态。每个区间占据2字节。一共占据4字节。
这就是 utf-16 中表示非基本面的字符的方式。