Unicode编码

Unicode编码

来源

最早人们使用的是ACSCII编码但是这种编码方式只能表示256种字符，也就是说他仅仅对于字母语言是可行的，对于中文这样的文字语言，有上万的字符，这种字符编码方式是不可行的。所以人们又研究出一种新的编码方式也就是Unicode编码。

Unicode

Unicode编码原理非常简单就是将字符与一个编码对应，这些编码经过人为分组，每个组称为一个平面，第三个字节表示平面，后两个字节表示平面内字符的编码。也就是说每个平面有65536个编码，目前一共有17个平面（0x0000-0x10FFFF）。因为世界上总字符数在增长，Unicode的编码也是不断更新的。

UTF-8

所谓的UTF-8或者UTF-16都是将Unicode码编成计算机使用的码字的方式。Unicode仅仅是将一个字符找到了对应的编码，这个编码或长或短，比如英文字母的长度就只有一个字节的长度，而汉字则有两个字节的长度，而且二者最低位是有重叠的，我们在读到第一个字节的时候我们不知道是否该读下一个字节，来确定这个字符，所以我们必须将Unicode再次编码，编码成通过某种算法可以识别的才可以。UTF就是一种编码方式，他的编码方式是Unicode编码的长度为1字节的时候，编码方式与ASCII相同，Unicode的长度大于8时，编码第一个字节的前n位为1，n为编码后的码字的字符数，第n+1位为0，其余的字节（除第一个字节以外 的字节）每一个字节的前两位为10，上述没有提到的字节放入Unicode编码。每当我们增加一个字节的时候，这个编码可以容纳的位数便增加5（一个新字节8位减去每个字节开头的10两位和第一个字节增加的一个1）。当我们有两个字节的时候，这个码字可以容纳的位数为11，所以假设这个码字为n个字节，那么他能容纳的位数为2n+1。

更多相关内容查看我的个人博客:www.yhuiest.top