字符編碼

 

1. 128 个 ASCII 字符（Unicode 范围由 U+0000 至 U+007F）只需一个字节。
2. 带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及马尔代夫语（Unicode 范围由 U+0080 至 U+07FF）需要二个字节。
3. 其他基本多文种平面（BMP）中的字符（CJK属于此类-Qieqie注）使用三个字节。
4. 其他 Unicode 辅助平面的字符使用四字节编码。

GBK编码，一个汉字占两个字节。汉字在GB家族中是双字节

UTF-16编码，通常汉字占两个字节，CJKV扩展B区、扩展C区、扩展D区中的汉字占四个字节（一般字符的Unicode范围是U+0000至U+FFFF，而这些扩展部分的范围大于U+20000，因而要用两个UTF-16）。

UTF-8编码是变长编码，通常汉字占三个字节，扩展B区以后的汉字占四个字节。但在UTF-8中却是3字节 所以其编码方式是1110xxxx 10xxxxxx 10xxxxxx  UTF-8 使用一至四个字节为每个字符编码。

 

 

 

 

占 2 个字节的：〇

占 3 个字节的：基本等同于 GBK，含 21000 多个汉字

占 4 个字节的：中日韩超大字符集里面的汉字，有 5 万多个

1 个 utf8 数字占 1 个字节

1 个 utf8 英文字母占 1 个字节

在查找 UTF-8 编码资料时发现，很多的帖子说的 UTF-8 编码里，一个汉字占用3个字节，

有的还做了个证明，大概是这样的，创建一个没有 BOM 的 UTF-8 编码的文本文件，

里面保存了几个汉字，然后查看文件的大小。我觉得这样的证明没有一点说服力，

因为 UTF-8 是变长的，1-6 个字节，少量的汉字检测不能说明所有的汉字都是的。

后来我又查看了字符映射表－汉语，找到了正确的答案：

少数是汉字每个占用 3 个字节，多数占用 4 个字节。

占用 3 个字节的范围

U+2E80 - U+2EF3 : 0xE2 0xBA 0x80 - 0xE2 0xBB 0xB3      共 115 个  

U+2F00 - U+2FD5 : 0xE2 0xBC 0x80 - 0xE2 0xBF 0x95      共 213 个  

U+3005 - U+3029 : 0xE3 0x80 0x85 - 0xE3 0x80 0xA9      共 36 个  

U+3038 - U+4DB5 : 0xE3 0x80 0xB8 - 0xE4 0xB6 0xB5      共 7549 个  

U+4E00 - U+FA6A : 0xE4 0xB8 0x80 - 0xEF 0xA9 0xAA      共 44138 个  

U+FA70 - U+FAD9 : 0xEF 0xA9 0xB0 - 0xEF 0xAB 0x99      共 105 个  

合计： 52156 个

占用 4 个字节的范围

U+20000 - U+2FA1D : 0xF0 0xA0 0x80 0x80 - 0xF0 0xAF 0xA8 0x9D      共 64029 个  

合计： 64029 个

转载于:https://www.cnblogs.com/aipan/p/7479765.html