计算机存储文字码的底层实现和JAVA选择UTF-16存储char的原因

ASCII码

每一个字节存储一个ASCII码，一个字节为8位，于是一个字节能代表128个字符，也就是常见的ASCII码 

每一个字节存储一个ASCII码，一个字节为8位，于是一个字节能代表128个字符，也就是常见的ASCII码 

UTF-32

每个字符用32位即4字节表示，但是要浪费大量的空间

UTF-16

谣传：每个字符用16位即2字节表示，还是要浪费大量的空间

其实UTF-16是变长的

UTF-16编码方式源于UCS-2(Universal Character Set coded in 2 octets、2-byte Universal Character Set)。而UCS-2，是早期遗留下来的历史产物。

UTF-16兼容UCS-2，UCS-2是定长的

UCS-2

其编码固定占用2个字节

UTF-8

依照这个思路，每个字符用8位即1字节表示，那就错了

UTF-8是可变长的，占1到6个字节都是可能的

1.如果第一个字节的第一位为0，那么就代表占一个字节

0XXXXXXX

（剩下的X为记录的内容信息）

2.如果第一个字节的前三位为110，第二个字节的前两位为10，那么代表总共占了两个字节

110XXXXX 10XXXXXX

3.如果第一个字节的前三位为110，第二和第三个字节的前两位为10，那么代表总共占了三个字节

1110XXXX 10XXXXXX 10XXXXXX

4.同理占了四个字节就为

11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

5.最大到六个字节

1111110X 10XXXXXX 10XXXXXX 10XXXXXX 10XXXXXX 10XXXXXX

对于UTF-8编码的任意字节

第一位可以判断是否为ASCII字符

第二位可以判断该字节是否为一个字符编码的第一个字节

如果前两位均为1，可以确定该字节为字符编码的第一个字节

扩展：为什么JVM选择用UTF-16而非UTF-8

注意这里说的是早期的UTF-16版本，也就是是UCS-2，它是定长的，并不现在真正意义上的utf-16

在jvm规范中明确说明了java的char类型使用的编码方案是UTF-16

UTF-16固定长度，而UTF-8需要根据存储信息去判断长度，如果要搜索指定位置的char，比如说要检索出第20个字符，UTF-16直接就能算出字符内存位置，而对于UTF-8由于是变长，要判断每一个字符的长度，大大降低了效率

UTF-8时间效率不如UTF-16，所以采用了UTF-16方案

这大概是当时设计者为了平衡运行时的时间效率（采用定长编码的UTF-16）与外部存储的空间效率（采用变长的UTF-8编码）而做的取舍

不过呢，还得从时间上考虑，Java是1995年出的，UTF-8是2003年出的