Unicode 是目前处理多语言字符的标准方式。有几个概念需要理解：
Code Point
中文叫「码位」，表示一个字符在一个字符集中唯一的位置，比如 A 在 Unicode 字符集中位于 0041 的位置，所以它的 code point 是 U+0041；ñ 00F1 的位置，它的 code point 是 U+00F1。
Plane
Unicode 的全部字符，分为 17 个 plane（字符平面）存放，plane 类似于一级分类。每个 plane 中包含 0000-FFFF 一共 65536 个 code point。常用的是 Plane 0，Basic Multiligual Plane (BMP)。比如 ñ 就处在 BMP 中，它的 code point 是 U+00F1；𐀀 处在 Plane 1 中，它的 code point 是 U+10001。
Blocks
每个 plane 又分为多个 blocks，类似于二级分类。比如 BMP 中有 Basic Latin (0000-007F)，这个 block 中存放 ASCII 里的全部字符；有 CJK Unified Ideographs (4E00-9FFF)，存放主要的中文和日文字符。
把上面几个概念串起来，就是这幅图：
Unicode 像一本字典，每一页纸是一个 plane，每一页里面又分了很多块。Code point 是唯一找到一个字的方法，类似地址。
Encodings
Code point 只是 Unicode 字典中的地址，但是计算机间交换数据，并不以这个地址为准，而是发明了编码（encoding）系统，比如 ASCII、GBK、UTF-8 等。编码系统做的是，把一个字符（也就是它的 code point）跟一个二进制表示关联起来，可以互相转换，比如：
比如机器 A，想向机器 B 传输一段 "Hello World"，它必须跟 B 约定好用某一种编码格式对这个字符串做编码，然后再将这串数据，编码成相应的二进制数据。如果用 ASCII 编码，最终传过去的数据，用十六进制表示就是 48656C6C6F20576F726C64。
你可能会觉得，为啥不直接用 code point 的值当作编码后的结果，进行传输。这就必须回去翻翻历史。一开始美国人发明计算机，他们觉得用 ASCII 编码就够表示所有英文字符了。但是一旦要跟中国人通信，ASCII 表达不了中文，于是中国人又搞了个 GBK 编码来表示中文字符。后来大家觉得有必要搞一套 Unicode 来把所有语言的字符包起来，避免混乱，于是 Unicode 出现了，相关的编码格式 UTF-8、UTF-16 出现了。另外，编码格式在设计时还会考虑到一些性能因素，比如现在最主流的编码格式 UTF-8。
UTF-8 是个变长的编码格式，观察这几个字符的 UTF-8 编码：
| Charater | UTF-8 |
|---|---|
| A | 0x41 |
| ñ | 0xC3B1 |
| 中 | 0xE4B8AD |
可以看到，对于不同的字符，UTF-8 编码出来的长度并不是固定的，比如中文字符编码出来会占 3 个字节。因为互联网中传输的大多数是 ASCII 字符。因此 ASCII 字符在 UTF-8 中只需要 1 个字节就可以表示。这是另外一种意义上的「压缩算法」。
一些编程语言在设计之初，Unicode 规范还没有成形或者成为主流，因此他们在字符串、字符处理上的设计，可能不是最合理的。比如 Python 2 的默认编码类型为 ascii 而不是 utf8，导致了很多新手头疼的编码问题。Java 的 char 使用 16 字节长度，只能存一个 UTF-16 能表达的字符，不知道是不是有意设计。你应该了解你的编程语言有无 Unicode 支持，以何种方式支持。
查询一个 Unicode 字符的信息：
参考：