Unicode编码
最初的unicode编码是固定长度的，16位，也就是2两个字节代表一个字符，这样一共可以表示65536个字符。显然，这样要表示各种语言中所有的字符是远远不够的。Unicode4.0规范考虑到了这种情况，定义了一组附加字符编码，附加字符编码采用2个16位来表示，这样最多可以定义1048576个附加字符。所以4个字节表示一个字符。
Unicode只是一个编码规范，目前实际实现的unicode编码有：UTF-8,UTF-16等。utf-8是考虑了字符是怎么存储在计算机上。
UTF-8
utf-8是一种可变长的编码方式，使用1~6个字节表示一个符号，根据不同的符号调整字节数量。
//ascii字符 1个字节 // byte[] bytes = "a".getBytes("utf-8"); // System.out.println(bytes.length); //1 //希腊文2个字节 // byte[] bytes = "α".getBytes("utf-8"); // System.out.println(bytes.length); //2 //中文3个字节 // byte[] bytes = "中".getBytes("utf-8"); // System.out.println(bytes.length); //3 //中文4个字节(ckj中韩日扩展表意字符) // byte[] bytes = "??".getBytes("utf-8"); // System.out.println(bytes.length); //4
utf-8的可变长字节编码
这是种比较巧妙的设计，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
以"严"的编码字节数组为例，二进制表示为11100100 10111000 10100101
第一个字节开头有三个连续的1，表示该字符占用三个字节
byte[] bytes = "严".getBytes("utf-8"); //得到utf-8编码 StringBuffer sb = new StringBuffer(); for(int i =0 ;i<bytes.length ;i ++) { sb.append(Integer.toBinaryString((bytes[i] & 0xFF) + 0x100).substring(1)); if(i != bytes.length - 1) { sb.append(" "); } } System.out.println(sb.toString()); //11100100 10111000 10100101
字符a的二进制编码是 01100001 ， 开头是0，表示该字节单独表示一个字符
byte[] bytes = "a".getBytes("utf-8"); StringBuffer sb = new StringBuffer(); for(int i =0 ;i<bytes.length ;i ++) { sb.append(Integer.toBinaryString((bytes[i] & 0xFF) + 0x100).substring(1)); if(i != bytes.length - 1) { sb.append(" "); } } System.out.println(sb.toString()); //01100001
原文：https://www.cnblogs.com/moris5013/p/10608245.html