1992年9月1日，星期三下午，贝尔实验室。RobPike（Go语言的发明者之一）正在忙于操作系统Plan9，这是Unix之后的一个大项目，即将完成。就在这时，他突然接到了一个电话。（年轻帅气的RobPike）电话是IBM的一个人打来的，他正在奥斯汀参加X/Open委员会会议，想请RobPike和KenThomson（Unix的发明者）审查他们设计的一个Unicode代码。RobPike知道X/OpenCommittee主要负责制定Unix的标准规范，以提高应用程序在不同Unix变体上的可移植性。显然，这次会议的主题是：Coding！RobPike想到了Plan9，他正在做的操作系统，为了支持英语、中文、韩语、日语、阿拉伯语等世界各国的语言……Plan9当然要用Unicode。（为什么这个产品和Go的吉祥物长得那么像？）大家都知道，Unicode只是规定了每个字符应该使用什么编码，并没有规定如何存储。当时，Plan9采用了一种叫做ISO10646UTF的编码，但是这种编码真的很糟糕，据RobPike说：我们讨厌这种编码。Rob和Ken立刻意识到：机会来了！Rob：我们经验丰富，为什么不设计一个真正好用的Unicode存储标准呢？Ken：同意，我们自己设计，把标准的推进交给X/Open委员会。两人向IBM的人表达了这个想法并得到了支持，条件是：一定要快，快设计，快实现。因为下周一就要投票了！快速、高质量地完成工作对于有才华的程序员来说是小菜一碟。两人去餐厅慢慢吃。吃饭的时候，Ken和Rob设计了基本方案，就是大名鼎鼎的UTF-8。回到贝尔实验室后，他们写下了这个想法的大纲，并将其发送给了X/Open委员会。委员会的答复是：这比我们设计的版本要好得多。你什么时候能够实施它？Rob和Ken拍了拍Chest说：别着急，下周一肯定会有一个完整的可操作的实现。那天晚上（星期三），两个人撸起袖子干活，Ken做打包解包代码，Rob去折腾C和图形库相关的东西。星期四，所有的代码都完成了，Plan9操作系统上的文本文件被转换为UTF-8。周五，Plan9操作系统已经在UTF-8上运行。居然只用了不到三天！这三天的工作成果最终主导了整个互联网的编码标准。统计显示，现在96.8%的网站都在使用UTF-8。2故事讲完了，我们来看看UTF-8为什么能流行起来。前面说了，Unicode只是一个字符集，规定了每个字符的二进制编码，比如“code”，对应的Unicode是7801，二进制数是111100000000001，需要两个字节来保存。如果它表示其他更大范围的字符，可能需要3个字节或4个字节，甚至更多。当计算机面对这两个字节的字节流时，就会产生一个严重的问题：计算机如何知道这两个字节是否代表一个字符？还是两个字？大家都知道英文字母表用一个字节Saving就够了。如果Unicode规定每个英文字符要用两三个字节保存，那么每个英文字母前面都要加上0，文本文件就会大两到三倍。这是一种巨大的浪费，当然不是。Rob和Ken设计的UTF-8更聪明。看这张表：把Unicode转成UTF-8很简单。比如汉字“码”，Unicode是7801，二进制是1111000000000017810，对应上图中数字1的三行，把二进制从右往左填入对应的“模板”即可，如果没有足够的零填充，更多细节将不展开，关键是看UTF-8的好处。31、兼容ASCII，表格第一行设置为ASCII。多字节编码每个字节的最高位始终为1，而ASCII字符编码最高位为0，从根本上杜绝了编码冲突。2.第一个字节表示后续的长度。程序在面对字节流时，只需要读取第一个字节开头的1的个数，就可以知道这个字符的长度。解码非常方便。.3、请仔细观察前缀码。UTF-8中没有合法字符是其他字符的前缀。这样带来一个好处：支持程序快速跳过有问题的字节，然后正常解码。假设有“码”和“农”两个汉字，对应的UTF-8编码为E7A081(码)和E5869C(农)。但是在网络传输中丢失了部分数据，变成了E781E5869C（也就是“代码”的A0丢了）。现在程序先读取E7，二进制值为11100111，知道这个字符应该是3个字节，后面的两个字节都应该以10开头，所以还要再读取两个字节，因为字节A0丢了，程序读取81和E5。程序发现：81（二进制10000001）是符合规范的E5（二进制11100101）的前两位，不是10，应该是另一个字符的开始。所以程序判断缺少了一些字符，可以舍弃刚刚读取的E781，然后从E5开始读取，E5869C，最后显示“农”字。是不是很聪明？
