在UTF-8中，一個漢字爲何須要三個字節？

　　UNICODE是萬能編碼，包含了全部符號的編碼，它規定了全部符號在計算機底層的二進制的表示順序。有關Unicode爲何會出現就不敘述了，Unicode是針對全部計算機的使用者定義一套統一的編碼規範，這樣計算機使用者就避免了編碼轉換的問題。Unicode定義了全部符號的二進制形式，也就是符號如何在計算機內部存儲的，並且每一個符號規定都必須使用兩個字節來表示，也就是用16位二進制去表明一個符號，這樣就致使了一個問題，英文編碼的空間浪費，由於在ANSI中的符號都是一個字節來表示的，而使用了UNICODE編碼就白白浪費了一個字節。也就表明着Unicode須要使用兩倍的空間去存儲相應的ANSI編碼下的符號。雖然如今硬盤或者內存都很廉價，可是在網絡傳輸中，這個問題就凸顯出來了，你能夠這樣想一想，原本1M的帶寬在ANSI下能夠表明1024*1024個字符，可是在Unicode下卻只能表明1024*1024/2個字符。也就是1MB/s的帶寬只能等價於512KB/s，這個很可怕啊。因此爲了解決符號在網絡中傳輸的浪費問題，就出現了UTF-8編碼，Unicode transfer format -8 ，後面的8表明是以8位二進制爲單位來傳輸符號的，可是這樣又致使了一個問題，雖然UTF-8可使用一個字節來表示ANSI下的符號，可是對於其它相似漢語的符號，得須要兩個字節來表示，因此計算機不知道如何去截取一個符號，也就是一個符號對應的二進制的截取開始位置和截取結束位置。因此爲了解決Unicode下的ANSI符號的空間浪費和網絡傳輸下如何截取字符的問題，UTF規定：若是一個符號只佔一個字節，那麼這個8位字節的第一位就爲0。若是爲兩個字節，那麼規定第一個字節的前兩位都爲1，而後第一個字節的第三位爲0，第二個字節的前兩位爲10，而後若是是三個字節的話，那麼第一個字節的前三位爲111，第四位爲0，剩餘的兩個字節的前兩位都爲10。按照這樣的算法去思考一箇中文字符的UTF-8是怎麼表示的：一箇中文字符須要兩個字節來表示，兩個字節一共是16位，那麼UTF-8下，兩個字節是不夠的，由於兩個字節下，第一個字節已經佔據了三位：110，而後剩餘的一個字節佔據了兩位：10，如今就只剩下11位，與Unicode下的兩個字節，16位去表示任意一個字符是相悖的。因此就使用三個字節去表示非ANSI字符：三個字節下，一共是24位，第一個字節頭四位是：1110，後兩個字節的前兩位都是：10，那麼24位-8位=16位，恰好兩個字節去表示Unicode下的任意一個非ANSI字符。這也就是爲何UTF-8須要使用三個字節去表示一個非ANSI字符的緣由了！

　　題外話：

　　然，中國的漢字多達10多萬，經常使用的漢字3500左右[08年統計]，若是用3個字節來表示，一共只有2^16(65535)種可能，不足以表示10多萬的漢字。因此中日韓的超大字符集是採用的4個字節來表示的，多達6萬多個。可是平時使用超大字符集的機率0.01%都不到。因此咱們通常認爲平常的中文在UTF-8中佔三個字節 便可！

多個字節提供的位數超過了所須要的，多餘的位以0補全到編碼前面