[整理]Unicode 与 UTF8

目录

• 先上总结
• ASCII
• utf-8 编码规则
• UTF-16
• 其他

先上总结

Unicode 是一个符号集, 规定了所有符号的二进制编号.

UTF8 是unicode的一种编码方式(存储, 传输方式)

参考: http://www.ruanyifeng.com/blog/2007/10/ascii_unicode_and_utf-8.html

ASCII

ascii码范围: 1~128, 只需要1个字节, 最前面的一位固定为 0

unicode 编码占用3个字节, 它包含了所有的字符

Unicode 只是一个符号集，它只规定了符号的二进制代码，没有规定这个二进制代码如何存储。

存储Unicode的编码方式的常用方式：

• utf-8 变长编码, 长度从 1个字节~6个字节不等

• utf-16 占用2个字节

• utf-32 占用4个字节

utf-8 编码规则

1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的 Unicode 码。因此对于英语字母，UTF-8 编码和 ASCII 码是相同的。
2. 对于n字节的符号（n > 1），第一个字节的前n位都设为1，第n + 1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的 Unicode 码。

下表总结了编码规则，字母x表示可用编码的位。

Unicode符号范围(十六进制)	UTF-8编码方式（二进制）
0000 0000-0000 007F	0xxxxxxx
0000 0080-0000 07FF	110xxxxx 10xxxxxx
0000 0800-0000 FFFF	1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

在计算机内存中，统一使用Unicode编码，当需要保存到硬盘或者需要传输的时候，就转换为UTF-8编码。

用记事本编辑的时候，从文件读取的UTF-8字符被转换为Unicode字符到内存里，编辑完成后，保存的时候再把Unicode转换为UTF-8保存到文件：

浏览网页的时候，服务器会把动态生成的Unicode内容转换为UTF-8再传输到浏览器：

---

作者：Deft_MKJing宓珂璟
来源：CSDN
原文：https://blog.csdn.net/Deft_MKJing/article/details/79460485
版权声明：本文为博主原创文章，转载请附上博文链接！

UTF-16

字节顺序标记(Byte Order Mark, BOM), 位于文档开头的前2个字节, 用于标记存储的字节序, 是按 "大端"还是"小端"顺序存储.

借个图(UTF8你 的utf8编码存储文件内容):

feff 表示内容是按大端序存储: 高位字节放在内存的低地址，低位字节放在内存的高地址

fffe表示内容是按小端序存储：低位字节放在内存的低地址，高位字节放在内存的高地址。

UTF-8不需要BOM来表明字节顺序，但可以用BOM来表明编码方式。字符"ZERO WIDTH NO-BREAK SPACE"的UTF-8编码是EF BB BF

U 的UTF16编码是 0055, 但按照小端序存储时是 5500

注意, utf8并没有这个烦恼, 不要搞乱.

在UTF16下，存储的字节值和unicode是一一对应的。但是UTF16显示英文（asni）就浪费一个字节。

其他

英文字符编码 ANSI

简体中文 GB2312

繁体中文 Big5