如果世界上只有英文一种语言，字符串问题会简单很多。可惜，我们不得不面对五花八门的语言。于是，Unicode 应运而生，它试图提供一个包罗万象的文字编码方案。
UCS-2 编码
然而 Unicode 仅仅是一个逻辑设想，如何在计算机内存中物理实现，还需要更进一步的方案。第一个编码方案称为 UCS-2，该方案用两个字节共计 16 bits 表示一个符号。这样的话，我们可以表示 65536 个符号。如此看来，该方案足够用了。
好大喜功的 Windows 系统率先使用了 UCS-2 编码作为操作系统的字符编码，在某种意义上也大大推动了 Unicode 的普及应用。
然而，UCS-2 编码方案，采用了两个字节表示一个字符，这与过去的 ASCII 编码不兼容。在 ASCII 编码中，英文符号用一个字节表示。但是，在 UCS-2 中，英文字符也得用两个字节表示。于是，微软的 Visual C++ 提供了两套字符方案，char 和 wchar。Windows API 的函数也提供了两个版本，一个是 ASCII 版本，另一个是 Unicode 版本。这种结果是很痛苦的，我几乎从来都不会用 Visiual C++ 去处理字符串算法。
我觉得 UCS-2 编码方案还是太草率了。一种新的技术，如果不考虑与旧体系的兼容性，可能会带来巨大的灾难。
UTF-16 编码
不幸的是，Unicode 继续沿着这条邪路越走越远。忽然觉得 65536 个符号空间可能不够用，所以决定牺牲一部分编码，规定 0xD8~0xDF 开头的编码，需要采用 4 个字节进行编码，这 4 个字节的有效编码位数为 20。这样牺牲了一部分编码，但是扩充了 2^10 个新的 4 字节编码。
既然能用编码的开头若干位区分一个字符的长度是 2 字节，还是 4 字节。这样的方法直接用来区分 1 字节还是 2 字节，如果该方法用来实现于 ASCII 编码的兼容目标，Unicode 的今天会非常完美。可惜了！
我记得 DOS 时代，中国推出的汉字国标编码，就是于 ASCII 编码兼容的一种方案。ASCII 用 0x00~0x7F 编码表示，这与传统 ASCII 编码完全一致。中文则在剩余编码中用两字节表示。现在看，在多国文字编码这件事情上，还是中国人更有远见。
在 Unix 下使用 UTF-16(或 UCS-2、UCS-4) 会导致非常严重的问题。 用这些编码的字符串会包含一些特殊的字符，比如 '' 或 '/', 它们在文件名和其他 C 库函数参数里都有特别的含义。另外，大多数使用 ASCII 文件的 UNIX 下的工具，如果不进行重大修改是无法读取 16 位的字符的。基于这些原因，在文件名、文本文件、环境变量等地方，UTF-16(UCS-2、UCS-4等）不适合作为 Unicode 的外部编码。
UTF-8 编码
最后，发明 Unicode 的大佬们终于明白过来了，需要学习中国的国标编码，搞一个与 ASCII 兼容的编码才行。于是乎 ，UTF-8 终于出场了。
然而 UTF-8 有一个小问题，就是 UTF-16 中有一部分编码用来组成 4 字节编码。这 4 个字节的编码对于前后字节的内容是有规定的，也就是说，存在不少的 4 字节编码是非法编码。
WTF-8 编码
我们可不愿意费很大的劲判断四字节编码是否合法，于是，我们认为所有的编码都是合理的，这样就得到了UTF-8 的一个扩展编码集合——WTF-8，我不管你是如何编码的，照单全收。