事情的起因是这样的
我在NGA上看到个帖子，说是在不同的语言环境下的游戏文本
对应的编码不一样，对应的分别是Ascii编码的英文Longing，UTF-8编码的日文的あこがれ和中文的憧憬
就很好奇，跟着楼主给的链接去看了一下 Unicode 和 UTF-8
Ascii 编码
这几乎已经是计算机的基础常识了，使用7bit编码的128个字符，在一个字节中最高位为0.最高位为1的编码留空
于是许多国家就对最高位1的留白进行了编码，比如中文GB2312，但是每种语言又有自己的编码方式，相当混乱
Unicode 字符集
于是出现了 Unicode，是一个囊括了世界上所有符号甚至还有emoji的字符集。
比如，汉字严的 Unicode 是十六进制数4E25，转换成二进制数足足有15位（100111000100101），也就是说，这个符号的表示至少需要2个字节。表示其他更大的符号，可能需要3个字节或者4个字节，甚至更多。
如果同时要直接表示英文符号的话在3-4个字节中会留空2-3字节，存在空间浪费。
UTF-8 编码
UTF-8是一种针对 Unicode 字符集的编码方式，规则如下
- 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。
| Unicode符号范围 (十六进制) |
UTF-8编码方式 （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 |
严的 Unicode 是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800 - 0000 FFFF），因此严的 UTF-8 编码需要三个字节，即格式是1110xxxx 10xxxxxx 10xxxxxx。然后，从严的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，严的 UTF-8 编码是11100100 10111000 10100101，转换成十六进制就是E4B8A5。
记事本中的编码方式
- ANSI，Ascii + GB2312（简体中文）或其它自定编码Big5(繁体中文)
- UTF-16 LE，小端 UTF-16
- UTF-16 BE，大端 UTF-16
- UTF-8
- 带有BOM的UTF-8，BOM（byte order mark），用来标记大端（
FEFF）/小端（FFFE）。但是标准的UTF-8是不需要BOM的，这只是一种扩展形式。
参考链接
http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html