UTF-8 編碼字符理論上可以最多到 6個字節長，但目前全世界的所有文字和符號種類加起來也只要編到 4個字節長就夠了。UTF-8 是以 8位（即 1個字節）為單元對原始碼進行編碼（注意一?點：這里所講的原始碼都是指Unicode碼），并規定：多字節碼（2個字?節以上才稱為多字節）以轉換后第1個字節起頭的連續“1”的數目（這?些連續“1”稱為標記位），表示轉換成幾個字節：“110”連續兩個?“1”，表示轉換結果為2個字節，“1110”表示3個字節，而“11110”?則表示4個字節……跟隨在標記位之后的“0”，其作用是分隔標記位和?字符碼位。第2～第4個字節的起頭兩個位固定設置為“10”，也作為標?記，剩下的6個位才做為字符碼位使用。
?　　這樣，2字節UTF-8碼剩下11個字符碼位，可用以轉換0080～07FF的?原始字符碼，3字節剩下16個字符碼位，可用以轉換0800～FFFF的原始字?符碼，由此類推。編碼方式的模板如下：

?原始碼（16進制）　UTF－8編碼（二進制）
?--------------------------------------------
?0000 - 007F 0xxxxxxx
?0080 - 07FF 110xxxxx 10xxxxxx
?0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx
?……
?--------------------------------------------

?　　模板中的“x”表示字符碼。Ascii碼＜007F，編為1個?字節的UTF－8碼。漢字的 Unicode編碼范圍為0800－FFFF，所以被編為?3個字節的UTF－8碼。

?　　例如“漢”字的Unicode編碼是6C49，6C49在0800-FFFF之間，所以?要用3個字節的模板：1110wwww 10xxxxyy 10yyzzzz。

?6 C 4 9
?0110 1100 0100 1001
?wwww xxxx yyyy zzzz
?wwww xxxxyy yyzzzz
?1110wwww 10xxxxyy 10yyzzzz。
?11100110 10110001 10001001

?E 6 B 1 8 9

“漢”字的UTF-8編碼是E6 B1 89

總結

以上是生活随笔為你收集整理的utf8编码-汉字几字节的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。