文章内容

简单来说：

Unicode 是「字符集」
UTF-8 是「编码规则」

其中：

字符集：为每一个「字符」分配一个唯一的 ID（学名为码位 / 码点 / Code Point）
编码规则：将「码位」转换为字节序列的规则（编码/解码可以理解为加密/解密的过程）

广义的 Unicode 是一个标准，定义了一个字符集以及一系列的编码规则，即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码……

Unicode 字符集为每一个字符分配一个码位，例如「知」的码位是 30693，记作 U+77E5（30693 的十六进制为 0x77E5）。

UTF-8 顾名思义，是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节：

U+ 0000 ~ U+  007F: 0XXXXXXX
U+ 0080 ~ U+  07FF: 110XXXXX 10XXXXXX
U+ 0800 ~ U+  FFFF: 1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+10FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

根据上表中的编码规则，之前的「知」字的码位 U+77E5 属于第三行的范围：

       7    7    E    5    
    0111 0111 1110 0101    二进制的 77E5
--------------------------
    0111   011111   100101 二进制的 77E5
1110XXXX 10XXXXXX 10XXXXXX 模版（上表第三行）
11100111 10011111 10100101 代入模版
   E   7    9   F    A   5

这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。

评论区内容

例如「知」的码位是 30693 ———- 请问code point 是怎么确定的？

知字属于U+4E00–U+9FFF这个范围内的Unihan汉字，即最开始的中日韩统一表意文字区域里面。这里面的汉字基本上是按笔划数量和部首排列的

Editplus的“另存为”编码可以选择Unicode或UTF-8，怎么理解？

这是微软带的坏头。微软把 UTF-16 称作 Unicode（因为早期的 UTF-16 编码单元可以和 Code Point 一一对应，不过现在已经不行了）

unicode和utf-8互转，其实说的是utf-16和utf-8互转

「Unicode 和 UTF-8 互转」严格意义上是指码位的 UTF-8 序列化和反序列化，但一般很少有人这么说。通俗用法的话要看语境，如果是 Windows 上类似记事本的保存选项里写的 Unicode，你确实可以理解为 UTF-16（Windows记事本已经不叫Unicode，改用UTF16了）

WINDOS系统中文本文档在储存的时候会分为 ANSI unicode大小端和UTF-8，这种分类看起来就不规范了，是什么原因呢？

gb2312这种汉字规范又是如何理解的，谢谢，如果有空能更新到正文的话不胜感激

计算机是在美国发明的，人家只考虑了自己，所以只有ASCII字符集（或者说ASCII编码，早期这俩是一个概念），后来其它国家也用上了电脑却没法输入自己的文字，就各自定了自家的字符集/编码，比如简体中文是GB2312，繁体中文Big5，日文Shift_JIS，韩文是EUC_KR等。这样的话中国用户（只有GB2312）不能读写日文，日本用户（只有Shift_JIS）不能读写中文…，各个国家就把自己的编码上报到ANSI（美国国家标准协会）这个组织，于是Windows记事本在保存的时候编码方式一栏就写个「ANSI」，而实际上这里写的「ANSI」只是个代称，它在英文操作系统等同ASCII，在简体中文操作系统等同GB2312，在繁体中文操作系统等同Big5…

继续说历史，各家因不同文字制定不一样的编码不利于全球化，于是两个组织出来说要把全球所有文字纳入一个字符集，Unicode这个组织搞两个Unicode字符集，ISO这个组织搞了个UCS字符集，后来两家意识到目的一致没必要搞两份，就融合了一下叫个「Unicode」。

历史讲完，下面回答问题：

「ANSI」其实并不是具体的某一种编码方式，它是动态的；「Unicode」其实是UTF-16LE（LE指小端，大小端简单说就是编码的时候文字头朝前还是屁股朝前，你想咋样都成）；「Unicode BE」其实是UTF-16BE；「UTF-8」其实是UTF-8 BOM（BOM的存在是为了区别UTF-16LE、UTF-16BE和UTF-8，因为这3种编码方式共存过）。

如上文所说，GB2312是早期中国给自己的简体中文制定的编码，后来加入繁体发展成了GBK，又后来融入日韩文字发展成GB18030（均向前兼容）。