轉(zhuǎn)自：http://blog.csdn.net/swedenfeng/article/details/53467720 UTF-8 是一種可變編碼格式，長(zhǎng)度從一個(gè)字節(jié)到四個(gè)字節(jié)，可根據(jù)UTF-8字符的第一個(gè)字節(jié)來(lái)識(shí)別一個(gè)UTF-8字符的長(zhǎng)度（具體見(jiàn)下面描述）.

因?yàn)榫W(wǎng)絡(luò)中大部分的字符是ASCII碼字符，UTF-8可以用一個(gè)字節(jié)表示ASCII字符，相較于UTF-16和UTF-32的兩個(gè)字節(jié)或者四個(gè)字節(jié)，大幅節(jié)省了空間和傳輸帶寬.

?

幾個(gè)UTF-8的編碼例子 （由該網(wǎng)頁(yè)工具轉(zhuǎn)換?https://sites.google.com/site/nathanlexwww/tools/utf8-convert?）

?

字符 ? ? ? ? ? ?UTF-8編碼 ? ?Byte 1 ? ? ? ? ? ? ? ? ? Byte 2 ? ? ? ? ? ? Byte 3

A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 01000001 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?11000011 ? ? ? ? ? ?10010110 ? ? ??

中 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 11100100 ? ? ? ? ? ?10111000 ? ? ?10101101

?

Note: ? Byte 1 中開(kāi)頭"1"的個(gè)數(shù)就是整個(gè)?UTF-8編碼中字節(jié)的數(shù)目（只適用于長(zhǎng)度大于等于兩個(gè)字節(jié)的UTF編碼，表示ASCII編碼的UTF首字節(jié)的首位是0）

?

?

#以下內(nèi)容部分來(lái)自wiki，部分來(lái)自stackoverflow.

?

UTF-8（8-bit Unicode Transformation Format）是一種針對(duì)Unicode的可變長(zhǎng)度字符編碼，也是一種前綴碼。它可以用來(lái)表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第一個(gè)字節(jié)仍與ASCII兼容，這使得原來(lái)處理ASCII字符的軟件無(wú)須或只須做少部分修改，即可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁(yè)及其他存儲(chǔ)或發(fā)送文字的應(yīng)用中，優(yōu)先采用的編碼。

UTF-8使用一至六個(gè)字節(jié)為每個(gè)字符編碼（盡管如此，2003年11月UTF-8被RFC 3629重新規(guī)范，只能使用原來(lái)Unicode定義的區(qū)域，U+0000到U+10FFFF，也就是說(shuō)最多四個(gè)字節(jié)）：

?

? Binary ? ?Hex ? ? ? ? ? ? ? ? Comments
0xxxxxxx ?0x00..0x7F ? Only byte of a 1-byte character encoding
10xxxxxx ?0x80..0xBF ? Continuation bytes (1-3 continuation bytes)
110xxxxx ?0xC0..0xDF ? First byte of a 2-byte character encoding
1110xxxx ?0xE0..0xEF ? First byte of a 3-byte character encoding
11110xxx ?0xF0..0xF7 ? First byte of a 4-byte character encoding
??
??
對(duì)于UTF-8編碼中的任意字節(jié)X，如果X的第一位為0，則X獨(dú)立的表示一個(gè)字符(ASCII碼)
如果X的第一位為1，第二位為0，則X為一個(gè)多字節(jié)字符中的后續(xù)字節(jié)(非第一字節(jié))
如果X的前兩位為1，第三位為0，則X為兩個(gè)字節(jié)表示的字符中的第一個(gè)字節(jié)
如果X的前三位為1，第四位為0，則X為三個(gè)字節(jié)表示的字符中的第一個(gè)字節(jié)
如果X的前四位為1，第五位為0，則X為四個(gè)字節(jié)表示的字符中的第一個(gè)字節(jié)

?

?

Unicode 和 UTF-8 之間的轉(zhuǎn)換關(guān)系表 (?x?字符表示碼點(diǎn)占據(jù)的位 )碼點(diǎn)的位數(shù)碼點(diǎn)起值碼點(diǎn)終值字節(jié)序列Byte 1Byte 2Byte 3Byte 4Byte 5Byte 6??71116212631

U+0000	U+007F	1	0xxxxxxx
U+0080	U+07FF	2	110xxxxx	10xxxxxx
U+0800	U+FFFF	3	1110xxxx	10xxxxxx	10xxxxxx
U+10000	U+1FFFFF	4	11110xxx	10xxxxxx	10xxxxxx	10xxxxxx
U+200000	U+3FFFFFF	5	111110xx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx
U+4000000	U+7FFFFFFF	6	1111110x	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx	10xxxxxx

?

• 在ASCII碼的范圍，用一個(gè)字節(jié)表示，超出ASCII碼的范圍就用字節(jié)表示，這就形成了我們上面看到的UTF-8的表示方法，這様?shù)暮锰幨钱?dāng)UNICODE文件中只有ASCII碼時(shí)，存儲(chǔ)的文件都為一個(gè)字節(jié)，所以就是普通的ASCII文件無(wú)異，讀取的時(shí)候也是如此，所以能與以前的ASCII文件兼容。
• 大于ASCII碼的，就會(huì)由上面的第一字節(jié)的前幾位表示該unicode字符的長(zhǎng)度，比如110xxxxx前三位的二進(jìn)制表示告訴我們這是個(gè)2BYTE的UNICODE字符；1110xxxx是個(gè)三位的UNICODE字符，依此類推；xxx的位置由字符編碼數(shù)的二進(jìn)制表示的位填入。越靠右的x具有越少的特殊意義。只用最短的那個(gè)足夠表達(dá)一個(gè)字符編碼數(shù)的多字節(jié)串。注意在多字節(jié)串中，第一個(gè)字節(jié)的開(kāi)頭"1"的數(shù)目就是整個(gè)串中字節(jié)的數(shù)目。

?

Some useful links:

http://www.unicode.org/Public/9.0.0/ucd/UnicodeData.txt

http://www.utf8-chartable.de/unicode-utf8-table.pl?utf8=bin

?

##博客僅作個(gè)人記錄##

轉(zhuǎn)載于:https://www.cnblogs.com/paulbai/p/6586941.html

總結(jié)

以上是生活随笔為你收集整理的UTF-8 可变编码格式的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。