Unicode转换：中文转Unicode编码与乱码原因

源码里的 \u4e2d\u6587 就是 Unicode 转义。乱码问题九成是编码不一致，本文从根上讲清。

一、Unicode 与 UTF-8

Unicode 是字符集，给每个字符分配唯一码位（如中是 U+4E2D）。UTF-8 是编码方式，规定码位怎么存成字节。两者是标准与实现的关系。

二、中文的 UTF-8 长度

常用汉字在 UTF-8 中占 3 字节，生僻字和 emoji 占 4 字节。GBK 中汉字统一 2 字节，这是两种编码体积差异的来源。

三、乱码的根源

用 UTF-8 编码的字节流按 GBK 解码（或反过来），就会产生乱码。表现为锟斤拷或问号。修复方法是确认两端编码一致。

四、转义序列

编程语言常用 \uXXXX 表示 BMP 区字符，emoji 等用 \U0001F600 或代理对。日志和 JSON 中看到这类转义，用工具还原即可读。