@nowheretoseek

0. 首先楼主要明白一点：字符编码只是一种把文本变成二进制串再变回来的规范。字符串本质都是二进制串。不同的编码能产生不同的二进制串，但是都是二进制串。

这里吐槽一下，这就是没有在 C/C++ 里面摸爬滚打过的坏处了。char* 数组、'\0' 结束符，有这些基础来解释二进制字符串就很容易理解。不然都是从 Java/C#/Python3 学起的，我 tm 根本不知道怎么解释这个常识。

1. 据我所知，Linux 大部分系统核心功能没考虑啥编码的事情。包括文件系统在内都是直接操作二进制串的。像 ext4 这种文件系统，似乎你可以把任何二进制串当做文件名，甚至是不合法的乱码二进制串（反正它不在意，它只在意这个二进制字符串）。

2. 有些文件系统似乎会考虑编码，比如 APFS，NTFS 。

3. Unicode 只是个字符映射表，它的规范是字符 <=> 数字的映射关系。具体怎么变成二进制串有很多种方法

3.1 UTF-8：一个 Unicode 字符被映射成 1~6 个二进制 8 位数字不等。建议楼主学习一下这个编码方法，因为它可以直接解答楼主的帖子里面的所有问题。理论上这种编码方法可以类推到任何长度的可变长字符，比如 1~100 个二进制 8 位数字。

3.2 UTF-16：一个 Unicode 字符被映射城 2 个或 4 个二进制 8 位数字。这个方案应该也能直接类推成任意 2K 个字符。建议楼主学习。也可以解决楼主的所有疑问。

3.3 UCS-2：早期最多能表示几万个字符的 Unicode 编码方案，每个字符固定映射城 2 个二进制 8 位数字。在更小的字符集上和 UTF-16 相同。可能很多人第一反应的 Unicode 就是这种编码方案，但是实际上不应该用这个编码处理很多事情，会造成字符截断问题。

3.4 UCS-4：每个字符固定映射城 4 个二进制 8 位数字。对于地球字符而言这已经足够了。Python3 用的是这个编码。

4. 所以楼主的问题实在是无力吐槽，因为 UTF-8/UTF-16 已经满足楼主的问题了。