历史背景
在Unicode诞生前，世界各国各自制定编码：
- 美国：ASCII，仅128个字符，只能表示英文字母、符号
- 中国：GB2312、GBK，专门存汉字
- 日本：Shift‑JIS；韩国：EUC‑KR
不同编码之间互不兼容，文件跨语言打开就会出现乱码。 1987年，由苹果、施乐等公司发起，1991年发布第一版Unicode标准，目标：为全球所有文字字符分配统一唯一编号，彻底解决多语言乱码。
注意：Unicode ≠ UTF‑8 Unicode是字符集（定义字符编号）；UTF‑8/UTF‑16/UTF‑32是编码方案（把编号转为二进制字节存储）。
核心规则
- 码点（Code Point） 每个字符分配一个独一无二整数编号，书写格式：
U+十六进制例：U+4E2D= 汉字「中」；U+1F600= 😀笑脸emoji 码点范围：U+0000 ~ U+10FFFF，一共1 114 112个位置。 - 平面（Plane） 整个码点空间划分17个平面，每个平面65536个码点：
-
第0平面 BMP（基本多文种平面）：
U+0000‑U+FFFF，包含大部分常用文字：ASCII、简体繁体汉字、日文韩文、大部分符号。 -
第1‑16平面（辅助平面）：
U+10000‑U+10FFFF，存放生僻汉字、古文字、emoji、特殊符号。大于U+FFFF的字符，叫扩展字符，UTF‑16需要用**代理对（Surrogate Pair）**两个16位单元表示。
- 三种主流UTF编码（Unicode的存储实现）
| 编码 | 特点 |
|---|---|
| UTF‑8 | 互联网标准，可变长；ASCII字符占1字节，常用汉字3字节，emoji4字节；向后兼容ASCII |
| UTF‑16 | Windows、Java内部默认；BMP字符2字节，辅助平面4字节；中文一般2字节 |
| UTF‑32 | 固定4字节；每个字符都占4字节，占用空间大，很少用于文件存储 |
关键概念补充
- 码点 ≠ 字符：有些视觉上一个字符，由多个码点组合而成（组合变音符号、部分emoji）。
- 码元（Code Unit）：编码方案里最小存储单元。UTF‑8码元是8bit字节；UTF‑16码元是16bit。
一句话总结
Unicode给全世界每个文字符号分配唯一数字ID；UTF系列负责把这个ID翻译成电脑可以保存的二进制字节。
如果你需要，我可以再给你举简单的代码小例子演示码点、UTF‑8之间转换。