关于utf-8,unicode字符集

utf-8是unicode的一个新的编码标准,其实unicode有过好几个标准.
我们知道一直以来使用的unicode字符内码都是16位,它实际上还不能把全世界的所有字符编在一个平面系统,比如中国的藏文等小语种,所以utf-8扩展到了32位,也就是说理论在utf-8中可容纳二的三十二次方个字符.

UNICODE的思想就是想把所有的字符统一编码,实现一个统一的标准.

big5、gb都是独立的字符集,这也叫做远东字符集,把它拿到德文版的WINDOWS上可能将会引起字符编码的冲突....
早期的WINDOWS默认的字符集是ANSI,Notepad.exe生成的纯文本就是这种字符集.

utf-8是不等幅编码，即每字符可能要1到3个字节，而unicode是两字节的,他们是怎么一回事？
在notepad.exe中输入的汉字以那种字符集编码存储的？

notepad中输入的汉字是本地编码，如果你是简体windows，就是gb编码，如果你是繁体windows，就是big5编码，utf-8和unicode关系不是很大，都属于想统一但是统一不了的编码。

ＵＮＩＣＯＤＥ是一个标准。ＵＴＦ－８是其概念上的子集，ＵＴＦ－８是具体的编码标准。而ＵＮＩＣＯＤＥ是所有想达到世界统一编码标准的标准。

UTF-8标准就是Unicode（ISO10646）标准的一种变形方式，UTF的全称是：Unicode/UCS Transformation Format，其实有两种UTF，一种是UTF-8，一种是UTF-16，不过UTF-16使用较少，其对应关系如下：

在Unicode中编码为 0000 - 007F 的 UTF-8 中编码形式为: 0xxxxxxx
在Unicode中编码为 0080 - 07FF 的 UTF-8 中编码形式为: 110xxxxx 10xxxxxx
在Unicode中编码为 0000 - 007F 的 UTF-8 中编码形式为: 1110xxxx 10xxxxxx 10xxxxxx

你可以去http://www.unicode.org 参考详细的标准。

所以它们实际上就是一样的东西，UTF-8的编码目的是这样的：UNICODE的编码对于正常的拉丁语系来讲是成倍的浪费，而UTF-8使得一般的拉丁语系的文件不需转换就是符合UNICODE标准的了，而且不是拉丁语系的文字编码也很容易就可以定位在正确的边界上，大家可以注意，只需从每个字节前两位就可以分辨出它所属的位置。

BIG5、GB2312等均属于独立的字符集，就象楼上的讲的一样。

用NOTEPAD生成的纯文本文件如果就是拉丁（罗马）文字的话，可以说就是UTF-8的文件了！但要是含有中文（GB/BIG5）或日文等，就要具体看你用的是什么平台了，一般来说它是会存成本地字符集的，但在NT/2000内部是可以直接支持UNICODE的。