疑惑为什么一个Unicode:0x4F60（对应汉字是"你"）会在UTF8下占用3个字节的存储空间？下面的内容就是对此的系统解释。
Unicode
Unicode就像一个电话本，标记着字符和数字之间的映射关系。Unicode并不涉及字符是怎么在字节中表示的，它仅仅指定了字符对应的数字，仅此而已。例如希伯来文中的第一个字母א，是U+2135，字母A是U+0061。
关于Unicode的其它误解包括：Unicode支持的字符上限是65536个，Unicode字符必须占两个字节。
记住，Unicode只是一个用来映射字符和数字的标准。它对支持字符的数量没有限制，也不要求字符必须占两个、三个或者其它任意数量的字节。
Unicode编码
Unicode字符是怎样被编码成内存中的字节这是另外的话题，它是被UTF(Unicode Transformation Formats)定义的。
两个最流行的Unicode编码方案是UTF-8和UTF-16。
换句话说就是：
- Unicode定义世界每个字符的索引值。
- UTF8/UTF16实现Unicode的标准，把字符存储到存储介质中。
UTF-8
根据这张表，我们可以知道0x4F60（字符"你"）是在范围（0x0800-0xFFFF），所以在UF8下需要3个字节来存储。
新建一个txt，写入字符"UTF8你"（加入UTF8是为了有个基准线查看"你"的真实字节值），然后另存为UTF8编码。用notepad++（需要装HEX-editor插件）或者Binary Viewer，查看"你"在UTF8下的16进制值。
那么字符"你"在UTF8下3个字节的值是"0xE4/0xBD/0xA0".
“0xE4”–>“11100100”.
“0xBD”–>“10111101”.
“0xA0”–>“10100000”.
查看上面UTF8的表，表给出给出每个字节 的前几个固定的二进制数。
比如3个字节的Unicode会用到这个格式：“1110xxxx 10xxxxxx 10xxxxxx"来存储字符，对应到字符"你"就是"11100100 /10111101/ 10100000”。
拿出红色标注的部分"0100 111101 100000"，转换成16进制就是"0x4F60"也就对应的是Unicode字符"你"。
现在我们可以知道UTF8固定每个字节的前面几位二进制值，然后用其他的位来表示字符。但是为什么UTF8的设计者们要这样设计呢？
我想这是UTF8为了兼容ASNI所要付出的代价，请查看上表，UTF8下是完全兼容asni，也就是asni标准的下的文档，在UTF8下显示完全不是问题（因为ASNI存储字节值和UTF8是一样的）。字符都是一个一个字节存储的，UTF8肯定是一个一个字节的读取，那么UTF8怎么在完全兼容ASNI前提下，是怎么知道某个字符是需要额外字节信息的？UTF8只有固定前几位二进制来决定这个字符需要以后的几个字节，又因为为了兼容ASNI，所以额外字节也需要固定前2位"10xxxxxx"，来决定这个字节值不是代表ASNI字符。ASNI的格式是“0xxxxxxx”。
UTF-16
同样的，我们把txt:"UTF8你"另存为UTF16编码（windows下unicode编码就是指UTF16）
UTF16下的每个字符需要是2个或者4个字节。
字符"UTF8"在UTF16下就是"0x55/0x0054/0x0045/0x0038",那为什么图片中是0x5500呢？这涉及到高字节序和低字节序。开头的那篇文章也有介绍。字节序仅仅就是先把字符的高位或者低位先放入存储的而已。
高字节序，高位字节被存在前面
低字节序，低位字节被存在前面
比如字符"你"“0x4F60”，第一个字节是"4F"是"高位"，第二个字节是"60"是"低位".
稍微解释下为什么左边是高位，玩笑话就是想想你的银行账户当然是左面数值多才有意义啊。
那么按照"低字节序" “0x4F60"就被存储为"60 4F"拉。在intel CPU下默认是"低字节序”。
在UTF16下，存储的字节值和unicode是一一对应的。但是UTF16显示英文（asni）就浪费一个字节。所以英文国家用UTF8的编码比较多。反之其他国家用UTF16的较多。
字节顺序标记(BOM)
不知道你有没有注意到，在UTF16下的这张图，地址第0，第1位是"FF FE"
这就是BOM，通过FF FE或者FE FF来告诉解释器是那种字节序。
那么你也许会问，为什么UTF8没有字节序呢？那是因为UTF8是以字节为单位，一个一个字节读取。UTF16是以字为单位，一个一个字符（2个字节或者4个字节）读取，这样就会涉及先读取第一个或者第二个字节的情况。