关于 Unicode 和 UTF-8 的理解
- Unicode 可以理解为一套字符集，这个集合里面包含了英中日文、表情等等，比如第 0x0041 个表示 'A'，比如第 0x2EF0 个表示 '龙'。具体的集合可以看 https://unicode-table.com/en/。
- UTF-8 可以理解为是 Unicode 的编码方式，即 'A' 怎么用二进制表示，'龙' 怎么用二进制表示。
当然你说，为什么不就用 0x0041 表示 'A'，0x2EF0 表示 '龙'呢？目的还是为了减少平均长度，因为 Unicode 集合个数超过两个字节，所以如果表示频率很多的英文，那也要起码三个字节，所以太亏了，所以要按照别的方式来进行编码。
Python 如何对 Unicode 进行输出，方式如下。
print(''.encode("unicode_escape"))
print(b'\u2600'.decode("unicode_escape"))
1. urxvt 指定 Unifont，但是好像不能输出其中的一些字符
2. urxvt 无法指定 siji，导致无线网信号这种 Unicode 中自定义的符号显示不出或显示错误。
3. gnome-terminal 显示完美。
下面是知乎的一个问题和回答: Unicode 和 UTF-8 有什么区别？
作者：uuspider
链接：https://www.zhihu.com/question/23374078/answer/65352538
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。举一个例子：It's 知乎日报
你看到的unicode字符集是这样的编码表：
I 0049 t 0074 ' 0027 s 0073 0020 知 77e5 乎 4e4e 日 65e5 报 62a5
每一个字符对应一个十六进制数字。
计算机只懂二进制，因此，严格按照unicode的方式(UCS-2)，应该这样存储：
I 00000000 01001001 t 00000000 01110100 ' 00000000 00100111 s 00000000 01110011 00000000 00100000 知 01110111 11100101 乎 01001110 01001110 日 01100101 11100101 报 01100010 10100101
这个字符串总共占用了18个字节，但是对比中英文的二进制码，可以发现，英文前9位都是0！浪费啊，浪费硬盘，浪费流量。
怎么办？UTF。UTF-8是这样做的：
1. 单字节的字符，字节的第一位设为0，对于英语文本，UTF-8码只占用一个字节，和ASCII码完全相同；
2. n个字节的字符(n>1)，第一个字节的前n位设为1，第n+1位设为0，后面字节的前两位都设为10，这n个字节的其余空位填充该字符unicode码，高位用0补足。
这样就形成了如下的UTF-8标记位：
0xxxxxxx
110xxxxx 10xxxxxx
1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
... ...
于是，”It's 知乎日报“就变成了：
I 01001001 t 01110100 ' 00100111 s 01110011 00100000 知 11100111 10011111 10100101 乎 11100100 10111001 10001110 日 11100110 10010111 10100101 报 11100110 10001010 10100101
和上边的方案对比一下，英文短了，每个中文字符却多用了一个字节。但是整个字符串只用了17个字节，比上边的18个短了一点点。