Unicode碼的二進制轉換(Java)

內容爲我的學習心得，不能對準確性作過多保證，錯誤之處還望指點。

  有時候咱們會遇到一些\u開頭的字符串，例如\u4f60\u597d，咱們知道這些是Unicode碼，一段\uxxxx字符串對應了一個Unicode字符。那這些編碼字符的實際二進制存儲格式是怎樣呢？
  咱們知道Unicode編碼能夠呈現世界上大部分的文字內容，而在其最通用的一種編碼方式UTF-8
)下,單字符的存儲長度爲1-4字節（可變），這種設計的由來和優勢就很少講了，這裏主要說說看到的u編碼串和二進制的換算方式。
  在UTF-8編碼格式的java代碼下，對「測試」兩個字打印其字節和字符結果以下：

System.out.println(Charset.defaultCharset());
        String s = "測試";
        System.out.println(s.chars().mapToObj(Integer::toHexString).collect(Collectors.joining("\t")));
        byte[] bs = s.getBytes();
        System.out.println(Arrays.toString(bs));
        /*Result: 
        UTF-8
        6d4b    8bd5
        [-26, -75, -117, -24, -81, -107] */

  觀察結果可知，「測試」兩個字在UTF-8編碼下佔六個字節，將 【-26, -75, -117, -24, -81, -107】 6個數字轉爲二進制補碼格式，即獲得「測試」兩字的二進制存儲內容，爲：
11100110 10110101 10001011 11101000 10101111 10010101
  而經過char.ToHexString獲得的 6d4b 8bd5 是這兩個字的Unicode編碼
  這二者是怎麼關聯上的呢?
經過UTF-8的百科頁面有以下介紹：

UTF-8編碼字節含義

• 對於UTF-8編碼中的任意字節B，若是B的第一位爲0，則B獨立的表示一個字符(ASCII碼)；
• 若是B的第一位爲1，第二位爲0，則B爲一個多字節字符中的一個字節(非ASCII字符)；
• 若是B的前兩位爲1，第三位爲0，則B爲兩個字節表示的字符中的第一個字節；
• 若是B的前三位爲1，第四位爲0，則B爲三個字節表示的字符中的第一個字節；
• 若是B的前四位爲1，第五位爲0，則B爲四個字節表示的字符中的第一個字節；

  所以，對於上面獲得的二進制串，每8位中的前面部分都是用來作標記的，1110開頭代表須要3個字節來描述當前字符，而且當前字節爲3字節中的第一部分，後面的字節使用10開頭代表本身是當前字符編碼串的後面部分。
  把前三字節這些標記爲去掉再合併，獲得 0110 110101 001011，而「測」字的16進制Unicode編碼轉爲二進制，正是0110 1101 0100 1011。
  這樣作的優勢很明顯，擴展方便（看起來能支持到8字節編碼呢），編碼結構去掉了二進制的標記位，減少體積更易於數據傳輸。1字節的UTF-8碼還完整兼容了ASCII碼，因此UTF-8能夠說應該是大部分場景下的最優選擇了。