简单记录一下Unicode编码方式对比：UTF-8 vs UTF-16 vs UTF-32。
记录于此，方便自己查阅。
正文
UTF-8、UTF-16 和 UTF-32 都是 Unicode 字符集的实现方式（编码方案），它们的核心区别在于编码单元长度、空间效率和适用场景。
差异表
| 维度 | UTF-8 | UTF-16 | UTF-32 |
|---|---|---|---|
| 编码类型 | 变长编码 | 变长编码 | 定长编码 |
| 最小/最大字节 | 1 ~ 4 字节 | 2 ~ 4 字节 | 固定 4 字节 |
| ASCII 兼容 | ✅ 完美兼容（1字节） | ❌ 不兼容 | ❌ 不兼容 |
| BOM 需求 | 可选（通常不加） | 推荐（区分大小端） | 推荐（区分大小端） |
| 处理复杂度 | 高（需解析变长前缀） | 中（需处理代理对） | ⭐ 低（直接数组索引） |
| 空间效率 | ⭐⭐⭐ 优（英文极省） | ⭐⭐ 中 | ⚠️ 差（空间占用大） |
UTF-8
占用1~4 字节。
UTF-8 是目前互联网和存储的事实标准。
1 字节：
0xxxxxxx（0x00–0x7F，兼容 ASCII）2 字节：
110xxxxx 10xxxxxx3 字节：
1110xxxx 10xxxxxx 10xxxxxx（如中文“中”：E4 B8 AD）4 字节：
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
UTF-16
占用2 或 4 字节。
UTF-16 常见于 Windows、Java、JavaScript 内部。
2 字节：基本多语言平面（BMP，U+0000–U+FFFF），如“中”（
4E 2D）。4 字节：辅助平面字符（如 Emoji 🌍），通过代理对（Surrogate Pair）表示（两个 2 字节单元拼接）。
UTF-32
UTF-32 也叫 UCS-4，每个码点固定占 4 字节。
无论字符是 ASCII（
00 00 00 41）还是中文（00 00 4E 2D），一律 4 字节。优点：字符与码点一一对应，无需解析变长规则，处理速度最快。
汉字
以汉字“中国”为例，直观对比存储空间差异
| 编码方式 | 字节数 | 十六进制表示（简化） |
|---|---|---|
| UTF-8 | 6 字节（2*3） | E4 B8 AD E5 9B BD |
| UTF-16 | 4 字节（2*2） | 4E 2D 56 FD |
| UTF-32 | 8 字节（2*4） | 00 00 4E 2D 00 00 56 FD |
观察：如果文本主要是中文，UTF-16 比 UTF-8 更省空间；但如果夹杂大量英文（如代码、JSON），UTF-8 优势巨大。
选型
在实际开发中，应根据数据特征和运行环境选择编码：
选 UTF-8
Web 开发：HTML、CSS、JavaScript、JSON、XML。
网络传输：HTTP 协议、API 接口。
文件存储：Linux/macOS 文件名、配置文件、日志。
理由：兼容 ASCII，无字节序困扰，互联网标准。
选 UTF-16
内存内部表示：Java (String)、C# (.NET)、Windows API、JavaScript 引擎内部。
跨平台 GUI：Qt、Windows 桌面应用。
理由：在纯中文或混合语言环境下，内存占用通常比 UTF-8 紧凑，且随机访问性能优于 UTF-8。
选 UTF-32
高性能计算：文本渲染引擎、正则表达式匹配、编译器词法分析。
算法研究：需要直接通过下标 O(1) 访问第 N 个字符的场景。
理由：定长特性消除了边界检查开销，但磁盘和网络传输中极少使用。
误区
Unicode ≠ UTF-8
Unicode 是字符集（定义字符与数字 ID 的映射），UTF-8/16/32 是编码方案（定义如何用字节存储这些数字）。
“UTF-8 比 UTF-16 省空间”是片面的
仅对英文成立。对于 CJK（中日韩）字符，UTF-16（2字节）通常比 UTF-8（3字节）更节省。
Emoji 在 UTF-16 中是 4 字节
很多开发者误以为 UTF-16 永远是 2 字节，实际上 Emoji（如 😂）需要一对 16 位单元（4 字节）表示。
小总
存文件、走网络，无脑 UTF-8；
写内存、做界面，常用 UTF-16；
搞算法、拼性能，考虑 UTF-32。
