介绍字符编码的一些基本概念，以及unicode和utf-8, utf-16, utf-32的基本知识。
一组特定用途的字符形成的集合便是一个字符集（character set）。譬如简体汉字、英文、阿拉伯语等。当然，一个字符集中的字符不限于一门自然语言，可以包含各种字符。 譬如unicode字符集，便包含了地球上大部分的自然语言字符。
为了方便计算机处理，通常将一个字符集中所有的字符都一一映射到（编码成）一个数字（code point）。字符集对应的code point集合便是编码字符集（coded character set）。 譬如，在编码字符集ISO 8859-1中，code point 233代表字符’é’，但在编码字符集ISO 8859-5中，code point 233代表的是字符’щ’。而在unicode编码字符集同时收录了这两个字符，分别用code point 233, 1097代表。
数字在计算机底层可以用多种方式表示。譬如，可用1位’1’表示数字1，也可用两位’01’表示数字1.这个映射，便是字符编码（encoding），即将一个code point编码成一串0, 1。unicode通常的编码方式是utf-8，utf-16，utf-32。
code point是一个4到6位的16进制数，以”U+”开头。例如：
- ASCII whitespace: U+0009, U+000A, U+000C, U+000D, and U+0020
- ASCII digits: U+0030 to U+0039
- A-Z: U+0041 to U+005A
- a-z: U+0061 to U+007A
对unicode中的code point有三种常见的编码：utf-8, utf-16, utf-32，如下图（来自这里）：
uft-8是一种变长的字符编码，即每一个code point在计算机里面的表示长度都不尽相同。具体见下表。
| Bits | lowest | highest | Bytes | Byte 1 | Byte 2 | Byte 3 | Byte 4 | Byte 5 | Byte 6 |
|---|---|---|---|---|---|---|---|---|---|
| 7 | U+0000 | U+007F | 1 | 0xxxxxxx | |||||
| 11 | U+0080 | U+07FF | 2 | 110xxxxx | 10xxxxxx | ||||
| 16 | U+0800 | U+FFFF | 3 | 1110xxxx | 10xxxxxx | 10xxxxxx | |||
| 21 | U+10000 | U+1FFFF | 4 | 11110xxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | ||
| 26 | U+200000 | U+3FFFFF | 5 | 111110xx | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | |
| 31 | U+4000000 | U+7FFFFF | 6 | 1111110x | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx | 10xxxxxx |
utf-8将比特流逐个字节解析，且解析出的字节可分成single bytes, leading bytes, continuation bytes三种。这三种字节表示的数值范围没有交集，因而可立即判断该如何解析。以下是更具体的特征：
- ASCII中0到127对应的字符用single bytes，以0开头
- 高于127的code points用多个字节表示，首字节为leading byte, 其余为continuation byte
- leading byte高位上连续有两个以上的1，且其数目与该编码使用的字节数一样
- continuation byte高位为10
在2003年，RFC 3629规定utf-8最多编码到U+10FFFF。见维基百科。
与utf-8一样，是变长编码。常见的code point都用16位进行编码，其它的可能会占用更多的字节。见维基百科。
与utf-8和utf-16不一样，是定长编码，所有code point都用32位进行编码。见维基百科。
要想浏览器能正确解码收到的字节流，需要在编辑时将数据保存为一种编码A，服务器在提供内容时在header中指定文件类型（Content-Type）。都用utf-8可以保持最大的兼容性。
- http://www.w3.org/International/tutorials/tutorial-char-enc/
- http://www.w3.org/International/questions/qa-what-is-encoding
- http://www.w3.org/International/questions/qa-choosing-encodings
- http://www.w3.org/International/articles/definitions-characters/
- http://encoding.spec.whatwg.org/
- http://www.unicode.org/versions/Unicode6.3.0/
- http://www.unicode.org/standard/principles.html