首页 > 代码库 > UTF-8详解
UTF-8详解
UTF-8是一种变长字节的编码方式，它以8位（1字节）为单位对Unicode进行编码。UTF-8理论上最多可以达到6字节长，但目前全世界的字符只需要4字节就可以表示完。
UTF-8规定，对于某一字符的UTF-8编码，如果只有一个字节则其最高位为0；如果是多字节，则其第一字节的开头由N位连续的1加一位0组成，其他字节开头以“10”开头，剩余字节将Unicode的二进制表示从左向右填充。首字节连续的1的个数表示字符编码所需的字节数。如下所示，
| Unicode | UTF-8 |
|---|---|
| 00 00 ~ 00 7F | 0xxxxxxx |
| 00 80 ~ 07 FF | 110xxxxx 10xxxxxx |
| 08 00 ~ FF FF | 1110xxxx 10xxxxxx 10xxxxxx |
| 1 00 00 ~ 1F FF FF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 20 00 00 ~ 3 FF FF FF | 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
| 400 00 00 ~ 7F FF FF FF | 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
如上表所示，汉字“文”的Unicode编码为0x6587，在0800~FFFF之间，所以UTF-8需要用3字节（1110xxxx 10xxxxxx 10xxxxxx）来表示，x使用0x6587的二进制表示来填充。最终，"文"的UTF-8编码为111001101001011010000111。
UTF-8兼容ASCII。
UTF-8中英文通常占3个字节。
UTF-8详解
声明：以上内容来自用户投稿及互联网公开渠道收集整理发布，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任，若内容有误或涉及侵权可进行投诉： 投诉/举报 工作人员会在5个工作日内联系你，一经查实，本站将立刻删除涉嫌侵权内容。