我们计算机内部只会识别0、1这样的二进制。计算机是老美发明的，所以一开始只有字母+数字这样的符号。一个字节8位二进制表示字母数字和标点足以 00000000-11111111 可以表示256种状态。 因为语言的多样性，中文、日文...,无法用一个字节表示了，简单暴力那就在加一个字节。于是像中文就出现了像gb2312这种，每个国家有自己的编码方式。于是就出现unicode，一个字符大集合，世界统一。 但是又出现了一个新问题， 像英文字母一个字节就行，中文有的是两个字节，有的是三个字节。像“A哈喽”这种计算机要如何读取识别呢？每次读取一个字节肯定不行，中文无法解析，有的人说那好办，像字母也给弄成两个字节，第一个字节二进制位全是0即可 类似 00000000 0001000 。这种可以是可以就是浪费存储了。 最好的办法就是让计算机知道 一次读取几个字节， 于是UTF-8出现了
- 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。
(十六进制) | （二进制）
----------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
如果第一个字节的第一位为0，那么就是一个字节， 如果第一个字节是1，那么如果是两个连续1，就表示占用两个字节，三个连续1，表示占用三个字节，这样的话，计算机就知道该如何读取数据了 以“益”为例：unicode是76CA（100111000100101），对应上表第三档，那么对应的UTF-8二进制格式应该是 1110xxxx 10xxxxxx 10xxxxxx。 由益的最后一个二进制开始依次向后填写，缺失的位置补0。于是 得出UTF-8 11100100 10111000 10100101
utf8是unicode的一种实现，unicode是统一编码方式，utf8为了节省存储
