我听到了许多人的不同意见 - 根据维基百科 UTF-8页面。
它们不是一个东西吗？有人能澄清一下吗？
18个回答
638
对其他人所给出的答案进行补充：
我们有很多语言，其中包含许多计算机理想显示的字符。Unicode为每个字符分配一个唯一的数字或代码点。
计算机将这些数字处理为字节...在此跳过一些历史并忽略内存寻址问题，8位计算机将把8位字节视为最容易在硬件上表示的最大数值单位，16位计算机将将其扩展到两个字节，依此类推。
旧的字符编码（如ASCII）来自于（前）8位时代，并试图将当时计算机中占主导地位的语言即英语压缩成从0到127（7位）的数字。由于字母表中有26个字母，大小写形式都有，还有数字和标点符号，因此这种方法非常有效。 ASCII通过第8位来扩展其他非英语语言，但是由此扩展提供的额外128个数字/代码点将根据显示的语言映射到不同的字符。 ISO-8859标准是此映射的最常见形式； ISO-8859-1和ISO-8859-15（也称为ISO-Latin-1，latin1，是的，8859 ISO标准有两个不同的版本）。
但是当你想要表示来自多种语言的字符时，仅将所有可用字符塞到一个字节中就不够用了。
基本上有两种不同类型的编码方式：一种是通过添加更多位数来扩展值范围。这些编码的例子包括UCS2（2个字节= 16位）和UCS4（4个字节= 32位）。它们具有与ASCII和ISO-8859标准相同的固有问题，因为它们的值范围仍然受到限制，即使限制远高于原先的标准。
另一种编码类型使用可变长度的字节来表示字符，最常见的编码方式是UTF编码。所有UTF编码的工作方式基本相同：您选择一个单元大小，对于UTF-8是8位，对于UTF-16是16位，对于UTF-32是32位。标准然后定义了一些这些位作为标志：如果设置了它们，则序列中下一个单元应视为同一字符的一部分。如果没有设置，此单元完全表示一个字符。因此，最常见的（英文）字符在UTF-8中仅占用一个字节（在UTF-16中为两个字节，在UTF-32中为4个字节），但其他语言的字符可能占用六个或更多字节。
多字节编码（在上面的解释之后，我应该说是多单元编码）具有相对节省空间的优点，但缺点是像查找子字符串、比较等操作都必须先将字符解码为unicode代码点，然后才能执行这些操作（虽然有一些快捷方式）。UCS标准和UTF标准都将代码点编码为Unicode中定义的内容。理论上，这些编码可以用于编码任何数字（在支持的范围内）- 但当然这些编码是用于编码Unicode代码点的。这就是它们之间的关系。
Windows将所谓的“Unicode”字符串处理为UTF-16字符串，而大多数UNIX现在默认使用UTF-8。通信协议（如HTTP）倾向于最适合使用UTF-8，因为UTF-8中的单元大小与ASCII中的单元大小相同，并且大多数此类协议都是在ASCII时代设计的。另一方面，当表示所有现代语言时，UTF-16提供了最佳的平均空间/处理性能。
Unicode标准定义的代码点比32位能够表示的代码点少。因此，对于所有实际目的而言，UTF-32和UCS4成为相同的编码，因为您不太可能需要处理UTF-32中的多单元字符。
希望这些细节能填补一些空缺。
- unwesen
11
13从概念上讲，UCS-2和UCS-4是字符集，而不是字符编码（因此得名）。 - Mechanical snail
92此帖子中存在许多错误。ISO 8859不止有两个版本。ASCII不能用于英语，无法处理卷曲引号、分币符、重音符号等等，Unicode不仅仅是非英语所需要的！在任何编码中，没有代码点占用超过4个字节；这个6字节的说法是完全错误的。正如此文所述，不能UTF编码任何Unicode标量值：代理项和其他66个非字符都被禁止使用。UCS-4和UTF-32并不相同。不存在多单元UTF-32。UTF-16并不像他们所声称的那样高效。&c&c&c! - tchrist
2ASCII也不包含英镑符号£，当然也不包含欧元符号€（比ASCII年轻得多）。 - TRiG
3@tchrist看起来6个字节并不是不可思议的了。请参考这篇文章：http://www.joelonsoftware.com/articles/Unicode.html，其中指出从`0x04000000`到`0x7FFFFFFF`有一个字符空间，并且在二进制中它是
1111110v 10vvvvvv 10vvvvvv 10vvvvvv 10vvvvvv 10vvvvvv - 这确实是6个字节。然而，6个字节是最大值，而不是该文章所混淆地声称的“六个或更多字节”。 - syntaxerror15“只有代码点128及以上才会使用2个、3个，甚至最多6个字节进行存储”这句话在最初写出来时是准确的，但那一年晚些时候（12年前），它被否定了。http://en.wikipedia.org/wiki/UTF-8上写道：“最初的规范涵盖了高达31位的数字（通用字符集的原始限制）。在2003年11月，为了匹配UTF-16字符编码的限制，UTF-8被RFC 3629限制在U+10FFFF处结束。这删除了所有5个和6个字节的序列，以及大约一半的4个字节的序列。” - Mooing Duck
显示剩余6条评论
454
让我用一个例子来阐述这个话题：
没有什么神奇的，很简单。现在，假设我们决定将这个字符存储在我们的硬盘上。为了做到这一点，我们需要以二进制格式存储该字符。我们可以简单地将其存储为'01101100 01001001'。完成！
但是等一下，'01101100 01001001'是一个字符还是两个字符？你知道这是一个字符，因为我告诉了你，但是当计算机读取它时，它并不知道。所以我们需要一些编码规则来告诉计算机将其视为一个字符。
这就是UTF-8的规则发挥作用的地方：https://www.fileformat.info/info/unicode/utf8.htm
根据上表，如果我们想要使用UTF-8格式存储这个字符，我们需要在字符前加上一些“头部”。我们的中文字符长度为16位（请自行计算二进制值），因此我们将使用上面第3行的格式，因为它提供了足够的空间。
写出结果的一行：
这是汉字的UTF-8二进制值！亲自看看吧：https://www.fileformat.info/info/unicode/char/6c49/index.htm
P.S. 如果你想在Python中学习这个主题，点击这里。
A Chinese character: 汉
its Unicode value: U+6C49
convert 6C49 to binary: 01101100 01001001
没有什么神奇的，很简单。现在，假设我们决定将这个字符存储在我们的硬盘上。为了做到这一点，我们需要以二进制格式存储该字符。我们可以简单地将其存储为'01101100 01001001'。完成！
但是等一下，'01101100 01001001'是一个字符还是两个字符？你知道这是一个字符，因为我告诉了你，但是当计算机读取它时，它并不知道。所以我们需要一些编码规则来告诉计算机将其视为一个字符。
这就是UTF-8的规则发挥作用的地方：https://www.fileformat.info/info/unicode/utf8.htm
Binary format of bytes in sequence
1st Byte 2nd Byte 3rd Byte 4th Byte Number of Free Bits Maximum Expressible Unicode Value
0xxxxxxx 7 007F hex (127)
110xxxxx 10xxxxxx (5+6)=11 07FF hex (2047)
1110xxxx 10xxxxxx 10xxxxxx (4+6+6)=16 FFFF hex (65535)
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx (3+6+6+6)=21 10FFFF hex (1,114,111)
根据上表，如果我们想要使用UTF-8格式存储这个字符，我们需要在字符前加上一些“头部”。我们的中文字符长度为16位（请自行计算二进制值），因此我们将使用上面第3行的格式，因为它提供了足够的空间。
Header Place holder Fill in our Binary Result
1110 xxxx 0110 11100110
10 xxxxxx 110001 10110001
10 xxxxxx 001001 10001001
写出结果的一行：
11100110 10110001 10001001
这是汉字的UTF-8二进制值！亲自看看吧：https://www.fileformat.info/info/unicode/char/6c49/index.htm
摘要
A Chinese character: 汉
its Unicode value: U+6C49
convert 6C49 to binary: 01101100 01001001
encode 6C49 as UTF-8: 11100110 10110001 10001001
P.S. 如果你想在Python中学习这个主题，点击这里。
- Cheng
8
8“等等，‘01101100 01001001’ 是一个字符还是两个字符呢？你知道这是一个字符是因为我告诉了你，但是当计算机读取它时，它并不知道。因此，我们需要某种“编码”来告诉计算机把它视为一个字符。” 好的，但是计算机仍然不知道它应该使用UTF-8进行编码吗？ - Koray Tugay
40计算机不知道它应该使用哪种编码。当你将一个字符保存到文件中时，你必须告诉计算机它要使用的编码方式；同样地，当你从文件中读取一个字符时，也需要告诉计算机它所采用的编码方式。 - Cheng
6@Connor 计算机不知道使用什么格式。当您保存文档时，文本编辑器必须显式设置其编码为utf-8或用户想要使用的任何格式。同样，当文本编辑器程序读取文件时，它需要选择一个文本编码方案来正确解码。当您输入字母时，情况也是如此，文本编辑器需要知道您使用的编码方式，以便正确保存它。 - Cheng
3那这些标头是如何被解释的呢？如果我看第一张表，那么我的理解是：如果字节以位“0”开头，则该字符由1个字节（当前字节）表示；如果字节以“110”开头，则该字符由2个字节（当前字节和下一个字节（在“10”后剩余的位））表示；如果字节以“1110”开头，则该字符由3个字节（当前字节和接下来的2个字节（在“10”后剩余的位））表示。 - JBoy
31阅读10篇关于UTF-8的文章后，我在10秒内就理解了。 - jrhee17
显示剩余3条评论
247
"Unicode"被不同的上下文以不同的方式使用。在我看来，它最正确的用法是作为一种编码字符集 - 即一个字符集和将字符映射为整数代码点的映射。
UTF-8是一种字符编码方式，用于将字节序列转换为字符序列以及反向转换。它覆盖了整个Unicode字符集。ASCII字符编码为每个字符一个字节，而其他字符则根据其精确的代码点采用更多的字节（对于所有当前定义的代码点，即U-0010FFFF以内的字符，最多需要4个字节；实际上，4个字节可以处理U-001FFFFF以内的字符）。
当"Unicode"作为字符编码的名称使用时（例如.NET Encoding.Unicode属性），它通常表示UTF-16，该编码将大部分常见字符编码为两个字节。某些平台（特别是.NET和Java）使用UTF-16作为其“本地”字符编码。如果您需要考虑无法用单个UTF-16值编码的字符（它们会被编码为"代理对"），这会导致混乱的问题 - 但是大多数开发人员从不关心这个，以我的经验来看。
Unicode的一些参考资料：
- Unicode联盟网站，特别是教程部分
- Joel的文章
- 我的文章（面向.NET）
- Jon Skeet
16
21我认为UTF-16只在Windows平台上等同于“Unicode”。人们倾向于在*nix上默认使用UTF-8。虽然如此，还是很好的回答。 - jalf
10@Chris：不，ISO-8859-1不是UTF-8。UTF-8将U+0080到U+00FF编码为两个字节，而不是一个字节。Windows 1252和ISO-8859-1在大部分情况下是相同的，但是它们在值为0x80到0x99之间有所不同，如果我没记错的话，ISO 8859-1有一个“空洞”，但CP1252定义了字符。 Translated: @Chris: 不，ISO-8859-1不等同于UTF-8。UTF-8将U+0080到U+00FF编码为两个字节，而不是一个字节。Windows 1252 和 ISO-8859-1在大多数情况下相似，但它们在0x80到0x99之间的值有所区别（如果我没记错），其中ISO 8859-1有一个“空洞”，而CP1252定义了这些字符。 - Jon Skeet
13将UTF-16称为“Unicode”这个想法让我感到不安，因为它有可能会产生混淆，即使这显然只是.NET约定。UTF-16是表示Unicode的一种方式，但它并不是“Unicode编码”。 - thomasrutter
7UTF-8不需要代理对，它只是使用逐渐变长的字节序列来表示非BMP字符。 - Jon Skeet
5是的，“Unicode”在Windows中通常不幸地被用来表示“UTF-16”。 - Jon Skeet
显示剩余11条评论
129
它们不是同一件事 - UTF-8 是一种特定的 Unicode 编码方式。
根据您的应用程序和所使用的数据，可以选择许多不同的编码方式。据我所知，最常见的有 UTF-8、UTF-16 和 UTF-32。
- RoBorg
1
14然而，关键是一些编辑建议将文件保存为“Unicode”或“UTF-8”。因此，在这种情况下提到“Unicode”，我认为是指UTF-16，是必要的。 - serhio
104
Unicode只定义了码点，即表示字符的数字。如何将这些码点存储在内存中取决于您使用的编码方式。 UTF-8是一种编码Unicode字符的方式，有许多其他方式。
- Martin Cote
2
3然而，重点是一些编辑建议将文件保存为“Unicode”或“UTF-8”。因此，在这种情况下提到“Unicode”的意思是UTF-16，我认为是必要的。 - serhio
一个数字，它表示ASCII中的字符。 - brighty
42
Unicode是一个标准，与ISO/IEC 10646一起定义了包含几乎所有已知语言所需的所有现有字符的超集——通用字符集（UCS）。Unicode为其库中的每个字符分配名称和编号（字符代码或码点）。
UTF-8编码是一种将这些字符数字化表示于计算机内存中的方式。UTF-8将每个代码点映射到一系列八位字节的序列。
例如：
UCS字符 = Unicode汉字 UCS码点 = U+24B62
UTF-8编码 = F0 A4 AD A2（十六进制）= 11110000 10100100 10101101 10100010（二进制）
UTF-8编码是一种将这些字符数字化表示于计算机内存中的方式。UTF-8将每个代码点映射到一系列八位字节的序列。
例如：
UCS字符 = Unicode汉字 UCS码点 = U+24B62
UTF-8编码 = F0 A4 AD A2（十六进制）= 11110000 10100100 10101101 10100010（二进制）
- nightlytrails
6
不，UTF-8仅将代码点映射到大于127的序列中。从0到127的所有内容都不是序列，而是单个字节。顺便说一下，ASCII也将字符名称分配给数字，因此这与Unicode所做的相同。但是，Unicode不止到代码点127，而是一直到0x10ffff。 - brighty
2@brightly 我有不同的看法。Ascii字符确实映射到单个字节序列。第一个位，在Ascii字符代码的情况下为0，表示后面跟随的字节数为零。请查看第一行。
http://www.wikiwand.com/en/UTF-8#/Description - nightlytrails对我来说，序列由多个字节组成。UTF-8中的ASCII字符是一个单独的字节，最高位设置为0。高于127的码点需要序列，始终具有起始字节和一个、两个或三个后续字节。那么，为什么你要称一个单独的字节为“序列”呢？ - brighty
嗯...很多时候，英语律师会因软件中的故意误用而感到困惑。这里也是一样的情况。你可以就此争论，但这并不会使它更加清晰明了。 - nightlytrails
@chux 当使用 utf-8 并存储只占用一个字节的 ASCII 字符时，我们仍然可以称其为 utf-8 序列。实际上，utf-8 经常被解释为一个字节序列，无论该序列包含多少个字符。 - brighty
32
UTF-8是一种用于Unicode文本的编码方案。在许多情况下，特别是在网络上，它正在成为最受支持和最知名的Unicode文本编码，并且是JSON和XML中默认使用的文本编码。
Unicode是一个广泛范围的标准，定义了超过149,000个字符，并为每个字符分配了一个数字代码（代码点）。它还定义了对这些文本进行排序、规范化、更改大小写等的规则。Unicode中的字符由从零到0x10FFFF（包括）的代码点表示，尽管某些代码点被保留，不能用于字符。
Unicode代码点字符串可以以多种方式编码为二进制流。这些被称为"编码"。最直接的编码是UTF-32，它简单地将每个代码点存储为32位整数，每个代码点占用4个字节的宽度。由于代码点只到0x10FFFF（需要21位），因此这种编码有些浪费。
UTF-8是另一种编码方式，由于一些优势而在其他编码方式中获得了广泛的应用。UTF-8将每个码点编码为1、2、3或4个字节序列。ASCII范围内的码点被编码为单个字节值，使其与ASCII完全兼容。超出此范围的码点根据其所在的范围使用2、3或4个字节。UTF-8的设计考虑了以下特性：
Unicode是一个广泛范围的标准，定义了超过149,000个字符，并为每个字符分配了一个数字代码（代码点）。它还定义了对这些文本进行排序、规范化、更改大小写等的规则。Unicode中的字符由从零到0x10FFFF（包括）的代码点表示，尽管某些代码点被保留，不能用于字符。
Unicode代码点字符串可以以多种方式编码为二进制流。这些被称为"编码"。最直接的编码是UTF-32，它简单地将每个代码点存储为32位整数，每个代码点占用4个字节的宽度。由于代码点只到0x10FFFF（需要21位），因此这种编码有些浪费。
UTF-8是另一种编码方式，由于一些优势而在其他编码方式中获得了广泛的应用。UTF-8将每个码点编码为1、2、3或4个字节序列。ASCII范围内的码点被编码为单个字节值，使其与ASCII完全兼容。超出此范围的码点根据其所在的范围使用2、3或4个字节。UTF-8的设计考虑了以下特性：
在UTF-8编码中，ASCII编码中存在的字符以与ASCII相同的方式进行编码，因此任何ASCII字符串自然也是一个有效的UTF-8字符串，表示相同的字符。
更高效：UTF-8中的文本字符串几乎总是比UTF-32或UTF-16中的相同字符串占用更少的空间，只有少数例外。
二进制排序：使用二进制排序对UTF-8字符串进行排序仍然会导致所有代码点按照数字顺序排序。
当一个代码点使用多个字节时，这些字节中没有一个（甚至是第一个字节）包含ASCII范围内的值，确保它们的任何部分都不会被误认为是ASCII字符。这是一个重要的安全特性，特别是在使用最初设计为8位编码的系统中使用UTF-8编码文本时。
可以轻松验证UTF-8以确保其为有效的UTF-8。其他8位或多字节编码的文本很少会因为UTF-8的特定结构而偶然验证为UTF-8。
随机访问：在UTF-8字符串的任何位置，可以确定该位置的字节是否是一个字符的第一个字节，以及找到下一个或当前字符的起始位置，而无需向前或向后扫描超过3个字节或知道我们从字符串的哪个位置开始读取。
- thomasrutter
6
几个小问题：[1] “ASCII字符的编码方式与ASCII中完全相同”不应该改为“ASCII字符的编码方式与UTF-8中完全相同”吗？ [2] 短语“Unicode中的代码...”不太清楚（对我来说）。你是指“Unicode代码点”吗？ - skomisa
@skomisa，对于第一点，我的意思是ASCII和UTF-8在ASCII范围内字符的编码是相同的。 - thomasrutter
对于第二点，那是一个很好的观点，我会进行编辑以使其更清晰。 - thomasrutter
关于您最近的编辑，https://tonsky.me/blog/unicode/ 引用了170,000个分配的代码点。 - undefined
1@tripleee 我认为这归结于代码点和字符之间的差异 - 你的数字可能包括用于私有使用或替代编码的代码点，而我的只是字符。我的来源是Unicode.org的常见问题解答，截至Unicode 15，是正确的。 - undefined
以下是你可能感兴趣的字符统计数据链接：https://www.unicode.org/versions/stats/charcountv15_0.html - undefined
26
Unicode 是一个标准，它定义了一个字符集 (UCS) 以及编码方案 (UTF) 来对该字符集进行编码。但一般情况下，Unicode 指的是字符集而不是标准。
请阅读 The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!) 和 Unicode In 5 Minutes。
- Gumbo
2
1@serhio：我知道。虽然有三种不同的UTF-16编码：两个显式的UTF-16LE和UTF-16BE，以及隐式的UTF-16，其中字节序通过BOM指定。 - Gumbo
@Gumbo：缺少BOM并不意味着它是不同的编码。只有两种编码。 - Mooing Duck
25
现有的答案已经解释了很多细节，但这里是一个非常简短的答案，带有最直接的解释和示例。
Unicode是将字符映射到代码点的标准。
每个字符都有一个唯一的代码点（识别号），它是像9731这样的数字。
UTF-8是代码点的编码之一。
为了将所有字符存储在磁盘上（在文件中），UTF-8将字符分成最多4个八位字节序列 - 字节。
UTF-8是多种编码（表示数据的方法）之一。例如，在Unicode中，（十进制）代码点9731代表雪人（☃），在UTF-8中由3个字节表示：E2 98 83
这里是一个随机示例的排序列表。
- basic6
19
在阅读了关于这个话题的众多帖子和文章之后，我得出了以下解释：
1 - Unicode字符表
"Unicode"是一个巨大的表格，它有21位宽度，这21位提供了1,114,112个代码点/值/字段/位置来存储字符。
在这1,114,112个代码点中，有1,111,998个可以存储Unicode字符，因为有2048个代码点被保留为代理项，还有66个代码点被保留为非字符。因此，有1,111,998个代码点可以存储独特的字符、符号、表情等。
然而，截至目前，这1,114,112个代码点中只有144,697个被使用。这144,697个代码点包含了覆盖所有语言、符号、表情等的字符。
每个字符在“Unicode”中都被分配了一个特定的码点，也就是一个特定的值/Unicode编号。例如，字符“❤”使用了1,114,112个码点中的一个。它的值（即Unicode编号）是“U+2764”。这是一个由两个字节组成的十六进制码点，以二进制表示为00100111 01100100。但是为了表示这个码点，UTF-8编码使用了3个字节（24位），以二进制表示为11100010 10011101 10100100（不包括两个空格字符，每个字符使用1位，我只是为了可视化目的添加了它们，所以请忽略它们）。现在，我们的计算机如何知道这3个字节“11100010 10011101 10100100”是要单独读取还是一起读取？如果将这3个字节单独读取然后转换为字符，结果将是“Ô, Ø, ñ”，与我们的心形表情符号“❤”相差甚远。
2 - 编码标准（UTF-8、ISO-8859、Windows-1251等）
为了解决这个问题，人们发明了编码标准。其中最流行的是UTF-8，自2008年以来。UTF-8占据了平均97.6%的网页，这就是为什么我们将在下面的示例中使用UTF-8的原因。
2.1 - 什么是编码？
编码简单地说就是将一种东西转换成另一种东西。在我们的例子中，我们将数据转换成UTF-8格式，更具体地说是将字节转换成UTF-8字节。虽然这句话在技术上可能不正确，但我想重新表达一下。
2.2 关于UTF-8格式的一些信息，以及它为什么如此重要
UTF-8使用最少1个字节来存储一个字符，最多4个字节。多亏了UTF-8格式，我们可以拥有占用超过1个字节的字符。
这非常重要，因为如果不是UTF-8格式，我们就无法拥有如此丰富多样的字母表，因为一些字母表的字母无法适应1个字节。我们也无法拥有表情符号，因为每个表情符号至少需要3个字节。我相信你现在已经明白了，所以让我们继续向前。
2.3 将中文字符编码为UTF-8的示例
现在，假设我们有一个中文字符"汉"。
这个字符正好占据16个二进制位"01101100 01001001"，因此正如我们上面讨论的，我们无法读取这个字符，除非我们将其编码为UTF-8，因为计算机无法知道这两个字节是要单独读取还是一起读取。
将这个"汉"字符的2个字节转换为我所称的UTF-8字节，结果如下：
（普通字节）"01101100 01001001" ->（UTF-8编码字节）"11100110 10110001 10001001"
现在，我们是怎么从2个字节变成3个字节的呢？这怎么能算是UTF-8编码，把2个字节变成3个呢？
为了解释UTF-8编码的工作原理，我将直接复制@MatthiasBraun的回答，非常感谢他出色的解释。
2.4 UTF-8编码实际上是如何工作的？
我们这里有一个将字节编码为UTF-8的模板。这就是编码发生的方式，如果你问我，这非常令人兴奋！
现在，请仔细看一下下面的表格，然后我们一起来解读它。
Binary format of bytes in sequence:
1st Byte 2nd Byte 3rd Byte 4th Byte Number of Free Bits Maximum Expressible Unicode Value
0xxxxxxx 7 007F hex (127)
110xxxxx 10xxxxxx (5+6)=11 07FF hex (2047)
1110xxxx 10xxxxxx 10xxxxxx (4+6+6)=16 FFFF hex (65535)
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx (3+6+6+6)=21 10FFFF hex (1,114,111)
上表中的"x"字符代表"Free Bits"的数量，这些位是空的，我们可以向它们写入数据。
其他位被保留用于UTF-8格式，它们被用作标头/标记。通过这些标头，在使用UTF-8编码读取字节时，计算机知道哪些字节需要一起读取，哪些需要单独读取。
字符经过UTF-8编码后的字节大小取决于需要写入的位数。
在我们的例子中，"汉"字符正好是2个字节或16位："01101100 01001001"，因此经过UTF-8编码后，我们的字符大小将为3个字节或24位："11100110 10110001 10001001"，因为"3个UTF-8字节"有16个Free Bits，我们可以向其写入数据。
解决方案如下所示，逐步进行。
2.5 解决方案：
Header Place holder Fill in our Binary Result
1110 xxxx 0110 11100110
10 xxxxxx 110001 10110001
10 xxxxxx 001001 10001001
2.6 总结：
A Chinese character: 汉
its Unicode value: U+6C49
convert 6C49 to binary: 01101100 01001001
encode 6C49 as UTF-8: 11100110 10110001 10001001
3 - UTF-8、UTF-16和UTF-32之间的区别
UTF-8、UTF-16和UTF-32编码之间的主要区别在于它们在内存中表示一个字符所需的字节数：
UTF-8使用至少1个字节，但如果字符更大，则可以使用2、3或4个字节。UTF-8还与ASCII表兼容。
UTF-16使用至少2个字节。UTF-16不能使用3个字节，只能使用2个或4个字节。UTF-16与ASCII表不兼容。
UTF-32始终使用4个字节。
记住：UTF-8和UTF-16是可变长度编码，其中UTF-8可以占用1到4个字节，而UTF-16可以占用2或4个字节。UTF-32是一种固定宽度编码，它始终占用32位。- nightboy
2
你怎么才能找到
汉在Unicode中确切的2个字节或16位：01101100 01001001。我可以看到这张表吗？ - Jin Lim这比必要的要复杂得多。我在“值“U+2764”在二进制中看起来像这样：“11100010 10011101 10100100””时就已经迷失了。首先，不明显的是2764是十六进制的。其次，在二进制中应该是类似于
00100111 01100100。实际上，这句话应该说：“U+2764是由两个字节组成的十六进制代码点。然而，为了表示这个代码点，UTF-8编码使用了3个字节。如何以及为什么UTF-8从00100111 01100100到11100010 10011101 10100100的过程将在下文中解释。” - BenderBoy网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
- 相关问题
- 153 UTF-8和UTF-16有什么区别？
- 238 Unicode和UTF-8有什么区别？
- 14 GB18030和Unicode有什么区别？
- 52 ISO-8859-1和UTF-8有什么区别？
- 503 UTF-8和ISO-8859-1有什么区别？
- 3 UTF8和UTF-8之间有什么区别？
- 554 ASCII和Unicode有什么区别？
- 1080 UTF-8 and UTF-8 with BOM are both character encoding schemes, but they have a slight difference. UTF-8 is a widely used encoding that represents characters using variable-length sequences of bytes. It does not include a Byte Order Mark (BOM) at the beginning of the file. On the other hand, UTF-8 with BOM includes a BOM, which is a specific sequence of bytes (0xEF, 0xBB, 0xBF) placed at the beginning of the file to indicate that it is encoded in UTF-8. The BOM can be useful for applications that need to detect the encoding of a file automatically. However, it is not always necessary and can sometimes cause issues, especially in certain programming languages or environments.
- 12 UTF-8和HTML实体有什么区别？
- 58 utf-8和utf-8-sig有什么区别？
0，110，1110，11110或10的字节）的地方。@brighty - SlySven