作者: 果壳网川岛
关于编码的问题困扰了我好久，每次遇到都完全解决不了我的疑惑，这次彻底的看了几篇文章总算是看懂了，这里分享给大家。
一、UTF-8编码怎么编
UTF-8编码是Unicode字符集的一种编码方式，其特点是使用变长字节数来存储数据。一般是1到4个byte，当然，也可以更长，实际上4个byte可以表示2的32次方个不同字符，即4294967296个（约43亿），已经足以编码人类现使用的绝大部分字符了。
为什么要变长呢？你可以理解为按需分配，比如一个字节足以容纳所有的ASCII码字符，那何必补一堆0用更多的字节来存储呢？实际上变长编码有其优势也有其劣势，优势是节省空间、自动纠错性能好、利于传输、扩展性强，劣势是不利于程序内部处理，比如正则表达式检索，UTF-16、UTF-32这些等宽字符编码就比较适合程序处理，但是又比较耗存储空间。那UTF-8编码实现是怎样的呢？
我们已经知道UTF-8编码至少有一个字节，从首字节就可以判断一个字符的UTF-8编码有几个字节。如果首字节以0开头，肯定是单字节编码，如果以110开头，肯定是双字节编码，如果是1110开头，肯定是三字节编码，以此类推。除了单字节外，多字节UTF-8码的后续字节均以10开头。
所以1～4字节UTF-8编码看起来是这样的：
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
单字节可编码的Unicode范围：\u0000~\u007F（0~127）
双字节可编码的Unicode范围：\u0080~\u07FF（128~2047）
三字节可编码的Unicode范围：\u0800~\uFFFF（2048~65535）
四字节可编码的Unicode范围：\u10000~\u1FFFFF（65536~2097151）
127、2047、66535、2097151这几个临界值怎么来的？因为UTF-8编码含有用于标识编码的0、110、1110等，所以1～4个字节的UTF-8编码有效位数分别为7、11、16、21。
二、什么是字节序
如果一个数据大于127（2的8次方减1），就必须有两个字节或多个字节来放了。一个数字肯定是有高位和低位的，这个小学就有讲过，比如十进制数13，1就是高位，3就是低位。于是问题就出现了，计算机进行数据存取是先处理高位，再处理低位呢，还是处理低位，再处理高位？这个问题就好比吃鸡蛋因该从尖的一头剥开还是应该从圆的一头剥？不同的硬件架构可能使用不同的字节序。先处理高位再处理低位，叫做大端字节序；先处理低位再处理高位，叫做小端字节序。
三、回到题目
提一下UTF-16，UTF-16是用定长2个字节来编码Unicode字符，其编码单位是两个字节，因此需要考虑字节序问题，因为2个字节哪个存高位哪个存低位需要确定。而UTF-8的编码单元是1个字节，所以就不用考虑字节序问题。
关于大端和小端的问题，这里有篇很好的文档
http://betterexplained.com/articles/understanding-big-and-little-endian-byte-order/