UTF-8是一种变长字节的编码方式，它以8位（1字节）为单位对Unicode进行编码。UTF-8理论上最多可以达到6字节长，但目前全世界的字符只需要4字节就可以表示完。
UTF-8规定，对于某一字符的UTF-8编码，如果只有一个字节则其最高位为0；如果是多字节，则其第一字节的开头由N位连续的1加一位0组成，其他字节开头以“10”开头，剩余字节将Unicode的二进制表示从左向右填充。首字节连续的1的个数表示字符编码所需的字节数。如下所示，
| Unicode | UTF-8 |
|---|---|
| 00 00 ~ 00 7F | 0xxxxxxx |
| 00 80 ~ 07 FF | 110xxxxx 10xxxxxx |
| 08 00 ~ FF FF | 1110xxxx 10xxxxxx 10xxxxxx |
| 1 00 00 ~ 1F FF FF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 20 00 00 ~ 3 FF FF FF | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 400 00 00 ~ 7F FF FF FF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
UTF-8兼容ASCII。
UTF-8中英文通常占3个字节。
原文地址：http://blog.csdn.net/dia_vampire/article/details/39891887
