关于「Unicode算法」，我把要点压缩成几个关键步骤。看完不用背公式，遇到问题知道往哪儿查、怎么验算就够了。
这几个问题问得最多
ASCII用7位表示128个字符(英文字母数字符号)，扩展ASCII用8位。Unicode是字符集(给每个字符一个码点)，UTF-8/UTF-16是编码方式(码点怎么存成字节)。UTF-8变长1-4字节、兼容ASCII、最流行。原理比API重要，原理通了换语言换框架都能快速上手。错误信息要看完整，别只看第一行，真正的根因往往在堆栈深处。
容易被忽略的延伸
UTF-8编码规则：0-127(ASCII)1字节、128-2047两字节(110xxxxx 10xxxxxx)、2048-65535三字节(中文常用)、65536+四字节。中文"中"码点U+4E2D，UTF-8编码E4 B8 AD三字节。GBK中文两字节，BIG5繁体两字节。写完代码用边界案例测一遍，比读十遍代码都管用。能成熟库就别自己造轮子，特别是加密、解析、并发这种容易出错的领域。
几个小坑
先理解概念。Unicode算法属于开发基础知识，搞懂底层原理(编码规则、算法逻辑、协议规范)比记API更重要。原理通了，换语言换框架都能快速上手。安全三件套：防SQL注入、防XSS、防CSRF，缺一不可。编码统一UTF-8能避免大部分乱码问题，全链路都要统一。
几个要注意的地方
把这几点贴在屏幕上盯着，算的时候随时对：
- UTF-8兼容ASCII所以成为主流，英文1字节中文3字节
- GBK中文2字节，体积小但只含简繁中文，不通用
- 乱码九成是编码不一致，统一UTF-8能解决大部分
- UTF-8变长、UTF-16定长2或4字节，各有适用场景
讲真，我写这篇也重新梳理了一遍自己的思路。教是最好的学，这话一点不假。
能成熟库就别自己造轮子，特别是加密、解析、并发这种容易出错的领域。日志要记关键节点和异常，出问题排查全靠它。错误信息要看完整，别只看第一行，真正的根因往往在堆栈深处。版本控制和单元测试是基本功，别图省事跳过。安全三件套：防SQL注入、防XSS、防CSRF，缺一不可。
常见问题
【UTF-8和GBK区别？】UTF-8变长(英文1字节中文3字节)覆盖全世界、GBK定长中文2字节只含简繁中文。UTF-8更通用(国际标准)，GBK体积小但只适合中文环境。建议统一用UTF-8避免乱码。
【Unicode算法是什么？】属于开发基础知识范畴，是程序员日常会用到的概念或工具。理解原理(编码/算法/协议)比记API重要，原理通了换语言框架都能快速上手。
【ASCII和Unicode什么关系？】ASCII是128个英文字符的编码(7位)，Unicode是包含全世界字符的字符集(给每个字符一个码点)。UTF-8是Unicode的编码方式，0-127和ASCII完全兼容，所以UTF-8是主流。
【中文在UTF-8里占几个字节？】常用中文3字节(码点2048-65535区间)，生僻字可能4字节。GBK里中文2字节。所以同样文本UTF-8比GBK大。"中"的UTF-8编码是E4 B8 AD。
