UTF-8 的理解

举个简单的例子：

Unicode 只是一个业界标准，具体一个字符占多少字节，取决于编码方式，包括 UTF-8 UTF-16 GB2312 等

“汉” 在 UTF-8 中占到 3 个字节，即 E6 B1 89

在 GB2312 中占到 2 个字节，即 BA BA，一般我们的电脑都是以 GB2312 编码中文的

注意：如果以 VS 编译器以 Unicode 编码，则是 0x6C49，同样占 2 个字节，多字节则是 BA BA

wchar_t aaa[] = L"汉";  // 0x6c49 数组占 4 个字节，包括占两个字节的 ''

char bbb[] = "汉";  // 0xBABA  数组占 3 个字节，包括占一个字节的 ''

在 UTF-16 中占到 2 个字节，即 0x6C49

UTF-16 LE是windows上默认的Unicode编码方式，使用wchar_t表示。所有wchar_t *类型的字符串(包括硬编码在.h/.cpp里的字符串字面值)，VC都自动采用UTF-16的编码(字符串字面值，literal string，存在很多坑。特别是char *类型的字面值，最终内存使用何种编码方式完全取决于当前文件的编码方式。也就是说当前文件如果是GBK编码的，那么文件里char * str = "中午"，str指向的内存字符串二进制是使用GBK编码的。如果文件编码是UTF-8，那么内存是使用UTF-8编码。所以为什么一直要强调字符串应该放在资源文件里，而不是硬编码在.h/.cpp文件里！)。

使用 UTF-8 的优势，没有字节序的概念，特别适合用于字符串的网络数据传输，不用考虑大小端问题。对于非英文网页（对于我们而言，简单说东亚文字网页），能够避免各种乱码问题。