UTF-8 编码

UTF-8 编码

特点

• 1采用变长多字节编码，采用1-4个字节对字符进行编码；
• 2能够表示UNICODE标准中任何字符；
• 3Unicode只是一组字符设定或者说是字符逻辑映射的概念编码，可认为是一个字符集；
• 4UTF-8是Unicode字符编码在计算机中储存编码；

字节编码与字符

• 单字节编码: ASCII字符 Unicode范围：U+0000-U++7F
• 双字节编码: 带变音符号的语言字符 Unicode范围: U+0080-U+07FF
• 三字节编码: 中日韩CJK、东南亚、中东语言字符
• 四字节编码: 极少使用的语言字符

字节编码规则

• 单字节字符，字节的二进制最高位位值为0。
• 多字节字符，首字节的二进制连续高位位值为1的个数决定字节数目，其他字节的二进制前两位一律为10，剩余的二进制位值由Unicode码点值决定。

1字节	0xxxxxxx
2字节	110xxxxx	10xxxxxx
3字节	1110xxxx	10xxxxxx	10xxxxxx
4字节	11110xxx	10xxxxxx	10xxxxxx	10xxxxxx
5字节	111110xx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx
6字节	1111110x	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx

Unicode码点范围与UTF-8编码字节

1字节	7	U+0000 0000	U+0000 007F	0xxxxxxx
2字节	11	U+0000 0080	U+0000 07FF	110xxxxx	10xxxxxx
3字节	16	U+0000 0800	U+0000 FFFF	1110xxxx	10xxxxxx	10xxxxxx
4字节	21	U+0001 0000	U+0010 FFFF	11110xxx	10xxxxxx	10xxxxxx	10xxxxxx

Unicode 编码与字符集

微信服务公众号