Unicode可以看做是一個映射，它定義了一個數字代碼，這個代碼關聯到一個字符。

早期的Unicode是16位的，1996年后，Unicode2.0的出現，使得Unicode的編碼范圍從0-10FFFF（16進制），16進制10FFFF=二進制100001111111111111111，即目前編到21位。

UTF（Unicode transformation format）是一個映射算法，它將每一個Unicode代碼映射到一個字節串。這種映射是可逆的。因此可以理解為UTF是Unicode的實現方式，UTF有多種版本，如下：

UTF8和UTF16都是變長的編碼方式，只有UTF32才是定長的編碼方式。之所以要變長方式，是因為定長方式有時會太占空間。

UTF8的編碼規則很簡單，只有二條：

1）對于單字節的符號，字節的第一位設為0，后面7位為這個符號的unicode碼。因此對于英語字母，UTF8編碼和ASCII碼是相同的。

2）對于n字節的符號（n>1），第一個字節的前n位都設為1，第n+1位設為0，后面字節的前兩位一律設為10。剩下的沒有提及的二進制位，全部為這個符號的unicode碼。

具體在換算的時候，可以根據下面的表格，對應著填寫。下面會有例子。如果文檔有很多字母，則UTF8比純粹的用UTF16節省了很多空間。

windows系統中，notepad或者其他一些軟件在保存對話框的編碼方式列表中出現“Unicode”這一個名字,這種叫法非常誤導人，使人以為unicode和UTF8是并列的關系，這其實是早期的一個稱呼(來自windows NT的早期版本的習慣，一直沿用)，事實上它指的是UTF16。

big-endian，little-endian大端序，小端序和BOM(byte-order mark)

UTF16采用UCS-2格式直接存儲。需要用兩個字節存儲，哪一個字節是高位哪一個字節是低位并沒有特別規定。因此，就產生了2種方式，比如一個unicode編碼為4E25的，存儲的時候，4E在前，25在后，就是Big endian方式；25在前，4E在后，就是Little endian方式。UTF8由于特殊的算法，因此也不存在大端小端的說法。

這兩個古怪的名稱來自英國作家斯威夫特的《格列佛游記》。在該書中，小人國里爆發了內戰，戰爭起因是人們爭論，吃雞蛋時究竟是從大頭(Big-Endian)敲開還是從小頭(Little-Endian)敲開。為了這件事情，前后爆發了六次戰爭，一個皇帝送了命，另一個皇帝丟了王位。

計算機并不會知道這個文件是大端序還是小端序，因此要在文件頭加入標記。UTF8中，用字符EFBBBF 表示字節序，UTF16中用字符FEFF用來標示其字節序，如果出現在字節流的開頭，則用來標識該字節流的字節序，是高位在前還是低位在前。如果它出現在字節流的中間，則表達零寬度非換行空格的意義，用戶看起來就是一個空格。從Unicode3.2開始，U+FEFF只能出現在字節流的開頭，只能用于標識字節序，就如它的名稱——字節序標記——所表示的一樣；除此以外的用法已被舍棄。取而代之的是，使用U+2060來表達零寬度無斷空白。

不同編碼的字節順序標記的表示：

示例

舉個例子，對于“中”這個字，對應的unicode碼是4E2D=100111000101101

如果對其用UTF16編碼，則根據大小端的不同，有以下2種。

FE FF 4E 2D UTF16大端

FF FE 2D 4E UTF16小端

如果使用UTF8，則根據4E2D=100111000101101，有15位長，則對應

將100111000101101按照低位到高位，填補那些x，如果有不足就用0。

1110xxxx 10xxxxxx 10xxxxxx

11100100 10111000 10101101=E4B8AD

紅色的就是100111000101101填補上去的，綠色的是補足的0。

UTF8 沒有BOM

UTF8如果帶有BOM，則就是加入編碼EF BB BF

例子可以看出，如果忽略BOM，大小端。UTF16不一定會比UTF8占空間。因為UTF16和UTF8都是變長編碼UTF8是1-4個字節，UTF16是2-4個字節。

參考文檔：

http://en.wikipedia.org/wiki/Unicode

http://en.wikipedia.org/wiki/UTF-8

http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

轉載：說說Unicode，UTF8，UTF16，BOM，Big endian，Little endian_一只博客的技術博客_51CTO博客