unicode字符集 utf-8 字符编码规则

UTF-8（8-bit Unicode Transformation Format）是一种变长编码方式，可以用来表示Unicode字符集中的所有字符。其编码规则如下：

对于ASCII字符（U+0000至U+007F），UTF-8使用1个字节来编码，高位bit为0，后面7位用来表示字符的Unicode码。

对于非ASCII字符，UTF-8使用多个字节来编码。具体规则如下：

如果字符的Unicode码在U+0080至U+07FF之间，UTF-8使用2个字节来编码。编码方式为：110xxxxx 10yyyyyy，其中高5位为110，表示使用2个字节，后面的6位用来表示字符的高5位Unicode码；第二个字节的高2位为10，后面的6位用来表示字符的低6位Unicode码。

如果字符的Unicode码在U+0800至U+FFFF之间，UTF-8使用3个字节来编码。编码方式为：1110xxxx 10yyyyyy 10zzzzzz，其中高4位为1110，表示使用3个字节，后面的4位用来表示字符的高4位Unicode码；第二个字节的高2位为10，后面的6位用来表示字符的中间6位Unicode码；第三个字节的高2位为10，后面的6位用来表示字符的低6位Unicode码。

对于更大的Unicode码，UTF-8使用更多字节来编码，规则相似。

通过这种编码方式，UTF-8可以表示Unicode字符集中的任意字符，并且对于ASCII字符，使用的字节数与ASCII编码完全一致，这使得UTF-8兼容ASCII编码。