utf-8编码

由于在2003年将Unicode代码空间限制为21位值，因此根据代码点的数值中的有效位数，将UTF-8定义为以1到4个字节对代码点进行编码。下表显示了编码的结构。的X字符由代码点的位所取代。

代码点<-> UTF-8转换

第一个代码点	最后一个代码点	字节1	字节2	字节3	字节4
U + 0000	U + 007F	0xxxxxxx
U + 0080	U + 07FF	110xxxxx	10xxxxxx
U + 0800	U + FFFF	1110xxxx	10xxxxxx	10xxxxxx
U + 10000	[nb 2] U + 10FFFF	11110xxx	10xxxxxx	10xxxxxx	10xxxxxx

前128个字符（US-ASCII）需要一个字节。接下来的1,920个字符需要两个字节进行编码，涵盖几乎所有拉丁字母字母表的其余部分，以及希腊语，西里尔字母，科普特语，亚美尼亚语，希伯来语，阿拉伯语，叙利亚语，Thaana和N'Ko字母，以及组合变音符号标记。在基本多语言平面的其余部分中，字符需要三个字节，其中几乎包含了所有常用字符，[14]包括大多数字符。中文，日文和韩文字符。Unicode其他平面中的字符需要四个字节，其中包括不太常见的CJK字符，各种历史脚本，数学符号和表情符号（象形符号）。

一个“字符”实际上可以占用4个字节以上，例如，一个表情符号标记字符要占用8个字节，因为它是“由一对Unicode标量值构成的”。[15]对于有效的组合字符集，字节数最多可以增加到17 。[16]