字符编码是从ASCII开始，那时候美国为了解决的字符问题，提出了ASCII码。每个字符占用一个字节。但ASCII编码实际只用了7位，空了一位。后来等计算机传播开来，欧洲的各个国家出现了新的字符编码的问题。如法国，出现了很多在英文字符上面加标记的字符，所有实际字符超过128种，但正好，一个字节总共8位，原来ASCII原来不用的那一位就派上用场了。但是这使得欧洲的各个国家之间的字符编码有冲突，也就是说前128位没有问题，但是后面的128位在不同的国家表示的字符就不一样，使得各国之间信息交换有障碍。而这个障碍在计算机引入亚洲乃至全世界的时候变得越来越严重，阻碍了国际间的信息交流。那么如何解决呢？
其实也很简单，只要字符编码的位数提升到能够容纳世界上所有的字符就可以了。unicode码应运而生。但是要知道每个字符要占4个字节。这对于美国和欧洲国家是难以接受的。因为美国等国家用到的字符只需要一个字节就可以表示了。而unicode码却要让这些国家浪费3/4的资源。这是让美国等国家难以接受的！
所以unicode码的utf-8表示形式很好的解决了这个问题。当然还有utf-16，utf-32这里就不讨论了。
utf-8是这样编码的,总共两种情况。假设该字符的utf-8编码占n个字节。
1：如果n=1，则字节的第一位为0，后面的就是填充其unicode编码。
2：如果n>1，则将第一个字节的前n位置为1，将n+1位置为0。然后后面的每个字节的前两位为10。其他位填充其unicode编码。
由上面的定义可以看出utf-8使用的还是unicode编码，只是是一种变体，将unicode编码中的无效位去除了。所以utf-8是unicode编码的一种。
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
上面显示的unicode字符范围与utf-8编码对应的形式。
按照这种规则，我们来实际看看一个字符的utf-8编码是如何生成的？
“严”的unicode是4E25（100111000100101），可以看到其unicode符号范围属于0000 0800-0000 FFFF，那么我们应该采取第三种形式1110xxxx 10xxxxxx 10xxxxxx，然后将100111000100101填充到x的地方，就得到了“严”的utf-8编码如下：
11101001 10111000 10100101。
windows的notepad本身就提供四种编码方式：
1：ASCII
2：unicode
3：unicode-big endian//表示大端序
4：utf-8
需要注意的是：unicode编码的文件都以两个字符表示端序，FEFF表示大端序，以FFFE表示小端序。如何理解呢？
例如“严”的unicode是4E25，如果其存储形式也是4E25，那么表示高位在第一个字节则就是大端序。
我们因特尔处理器多采用的小端序。
