utf-8编码规则

http://blog.csdn.net/whuchlee/archive/2009/04/03/4041944.aspx

引用

UTF，是Unicode Text Format的缩写，意为Unicode文本格式。根据Unicode的编码可以生成utf-8编码，转换规则如下：
  (1)首先将Unicode的编码转换成二进制形式，这样一个字符对应一个16位的二进制数。
　(2)如果Unicode的16位二进制编码的头9位都是0，则用一个字节表示该字符，这个字节的首位是“0”，剩下的7位与原编码中的后7位相同。例如“\u0034”(0000 0000 0011 0100)，用“34” (0011 0100)表示(与原Unicode编码是相同的，只是去掉了原编码的首字节)；
　(3)如果Unicode的16位二进制编码的头5位都是0，则用两个字节表示该字符，首字节以“110”开头，该字节后面的5位与源编码中头5个零后面的5位相同；第二个字节以“10”开头，后面的六位则与源编码中剩下的6位相同。例如“\u025d”(0000 0010 0101 1101)，转化后为“c99d”(1100 1001 1001 1101)；
　(4)如果Unicode的16位二进制编码不符合上述两个规则，则用三个字节表示该字符。第一个字节以“1110”开头，后四位与源编码的头4位相同；第二个字节以“10”开头，后六位与原编码接下来的6位相同；第三个字节也以“10”开头，后六位与原编码剩下的6位相同，这样原来16位的编码就转换成三个字节24位的编码了；例如“\u9da7”(1001 1101 1010 0111)，转化为“e9b6a7”(1110 1001 1011 0110 1010 0111)。

http://blog.csdn.net/sandyen/archive/2006/08/23/1108168.aspx