字符集 UTF-8编码
UTF-8（8-bit Unicode Transformation Format）是一种变长编码方式，使用 1 到 4 个字节对字符进行编码，并可以扩展到 8 个字节。
UTF-8 是 Unicode 一种具体的编码实现，在互联网上使用最为广泛。
1. UTF-8 优势
- UTF-8 编码使用变长编码，而非使用统一的长度编码，有利于节约网络流量。
- UTF-8 完全兼容 ASCII 码，对于 ASCII 码中的字符，UTF-8 采用的编码值跟 ASCII 码完全一致。这使得原来处理ASCII字符的软件无须或只须做少部份修改，即可继续使用。
- UTF-8 容量大，可以用来表示 Unicode 标准中的任何字符，并可以扩展到 8 个字节。
2. UTF-8 编码规则
UTF-8 编码规则：
- 对于单字节的符号，字节的第一位设为0，后面 7 位为这个符号的 unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
- 对于n字节的符号（n>1），第一个字节的前 n 位都设为 1，第 n+1 位设为0，后面字节的前两位一律设为 10。剩下的没有提及的二进制位，全部为这个符号的unicode 码。
UTF-8 字节布局：
| 字节数 | 编码位数 | UTF-8字节流 |
|---|---|---|
| 1 | 7 | 0xxxxxxx |
| 2 | 11 | 110xxxxx 10xxxxxx |
| 3 | 16 | 1110xxxx 10xxxxxx 10xxxxxx |
| 4 | 21 | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 5 | 26 | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 6 | 31 | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 7 | 36 | 11111110 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 8 | 42 | 11111111 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
3. BOM
BOM 是 Byte Order Mark 的简称，通常出现在 Unicode 流的开头部分，用来说明编码类型。
因为系统可能是 big endian，也可能是 little endian, 或者是多字节的 Unicode 编码。
把BOM放置在文件开头部分，利用它来判断字节序。
在 UTF-8 编码中，BOM 没有太大的意义，并且不推荐使用它。
在 HTML 或 XML 的文件开头放置 BOM，可能会导致无法解析。