对这些概念头疼了很久，尝试简单的整理下，不确切的地方欢迎指正~

1. Unicode

• Unicode 是一个字符集，而不是一种编码方案
• 简单来说 Unicode 是希望给地球上每一个字符一个数字编号，从而解决不同编码之间不统一的问题
• Unicode 是没法直接拿来用的，我们使用的是它的编码方案

2. 编码方案

• 通常使用的 UTF-8，UTF-16 等等都是 Unicode 的编码方案
• 所谓编码方案就是按一定的规则对 Unicode 的字符编号进行编码
• 当然不同的编码的同一个字符，最后解析成 Unicode 字符编号都是一样的

3. 字体与 Unicode

• 计算机使用字符的 Unicode 编号去寻找字体内的字符
• 字体内部的特殊数据结构存储了 Unicode 编号和字符的对应关系

4. 例子

• 汉字 月 的 Unicode 编号 10 进制为 26376
• Unicode 编号表示为 16 进制 是 U+6708
• 在 python 中用 u"\u6708" 表示
• 在 UTF-8 中的编码是 0xE6 0x9C 0x88 ，使用了 3 个 Byte 来表示

5. UTF-8 和 Unicode 转换

• Unicode 转 UTF-8

  • 汉字 月 的 Unicode 是 26376，转换为二进制是 1100111 00001000
  • 根据值大于 0x800 小于 0x10000 可以判断为三字节存储
  • 将 Unicode 二进制从低位往高位取出二进制数字，每次取 6 位，并按一定的规则进行填补

  转换

  110 011100 001000
  11100110 10011100 10001000
  0xE6 0x9C 0x88

• UTF-8 转 Unicode
  同理进行逆运算即可

6. 遗留编码

• ASCII、GB 2312、Big5、GBK、GB 18030 这些都属于遗留编码方案
• GB 2312 通常认为是字符集和编码方案一体的
• 将 GB 2313 编码转换为 Unicode 编号，需要通过转换表查询，无法像 UTF-8 一样直接根据编码规则转换