■Unicodeとは
Unicodeは全世界共通で使えるように、世界中の文字を収録する文字コード規格したもの。
Unicodeでは、複数のエンコーディングスキームが定義されています。
この中でよく使われるのが、UTF-16, UTF-8, UTF-32です。
Unicodeと一口に言っても、その符号化の方法は複数あります。
Unicodeに収録されている文字を文字表の番号で明示する場合、番号の冒頭にU+を付与します。

■UTF-8
ASCIIの文字をそのままUnicodeで使用可能にするために制定されました。
そのため、ASCII相当部分は1バイトで、その他の部分は2～4バイトという可変長の符号化方式となっています
（漢字はBMP部分は3バイト、拡張部分は4バイトになります）。
LinuxやMac OS Xで標準文字符号化方式として採用され、また、インターネット上でもっともよく使われるUnicode系の符号化方式

■UTF-16
Unicode収録文字のうち、BMP領域に割り当てられているものを16ビット（2オクテット）で、
その他の領域に収録されている文字を、16ビット2つ分の情報量（4オクテット）で表現する（サロゲートペアと呼びます）方法になります。
Windows XPやVISTAの内部処理で使用されます。そのため、文字種によって1文字辺りのデータ量が異なる特徴を持っています。
但し、UTF-16の符号化方式として、UTF-16, UTF-16BE（ビッグエンディアン：2オクテットの内、上位の1オクテットから符号化する方法）, 
UTF-16LE（リトルエンディアン2オクテットの内、下位の1オクテットから符号化する方法）の三種類があります。

■UTF-32
一文字を32ビット固定で符号化する方式です。
UTF-32もUTF-16と同様に、ビッグエンディアンとリトルエンディアンが存在します。
アプリケーションソフトでは余り使われませんが、固定長という構造の単純さを生かした分野（データベースなど）で使われています。


Unicodeは、以下の異なる処理単位に分かれる
書記素クラスター： ユーザーが文字として認識する単位。フォントレンダリングや文字の削除／選択にはこの単位での処理が必要
コードポイント： Unicodeが値を定めている文字の単位
符号化： 符号化の方式（UTF-16やUTF-8）によって、保存や通信の際に必要となるデータ量が変わる


書記素クラスター
Unicodeのコードポイントを割り当てられている文字の中には、単独では意味をなさず、他の文字と結合して使うものがある。冒頭の概要説明でも述べたが、ユーザーはそれぞれの文字ではなく、結合結果を1文字と認識する。この複数のコードポイントで形成される単位を書記素クラスター