UTF8 编码原理简介

utf8 支持的字符比较全，相应的，它就必须是变长编码。它大致的原理如下：

                UTF-8

编码范围	编码	编码表示的值
U+000000-U+00007f	0xxxxxxx	0xxxxxxx
U+000080-U+0007ff	110yyyxx	00000yyy xxxxxxxx
U+000800-U+00ffff	1110yyyy 10yyyyxx 10xxxxxx	yyyyyyyy xxxxxxxx
U+010000-U+10ffff	11110zzz 10zzyyyy 10yyyyxx 10xxxxxx	000zzzzz yyyyyyyy xxxxxxxx

从上表可以看出，每来一个新的字节，utf8分3种情况:
(1)以0打头，那么之后7位就是内容，这是ASCII的字符
(2)以10打头，说明当前字节保存部分字符内容，之后6位是这个字符的内容
(3)以110/1110/11110/…打头，说明这是字符的起始位，并且有几个1，这个字符就有多少个字节。
以上表为例，就能明白了。

在看处理utf8编码的代码中会看到类似于下面的代码：

int strlen_utf8(char *s) 
{
  int i = 0, j = 0;
  while (s[i]) 
  {
    if ((s[i] & 0xc0) != 0x80) j++; // 这就是在处理字符的连续内容
    i++;
  }
  return j;
}