首先,我想说的是UTF-8和unicode根本没有可比性。UTF-8是一种编码方式(或者叫做算法),而Unicode一种字符集(
Universal Character Set),两种完全不是一个世界的东西。
当有人问道这两者有什么不同时,怎么简介正确的回答呢?
首先说说Unicode字符集(Unicode characters)
Unicode字符集将世界上所有语言的所有符号(用于在计算机上显示和打印的字符和符号)包括进来,并且用一个唯一的数字(码值,code points)标示。例如,Unicode集中字母A的码值为65,通常用16进制表示且加上前缀U+,即U+0041。查看Unicode字符列表点击List of Unicode Set
再说说UTF-8
UTF-8是将数字(就是上面说的“码值”)转换成二进制串的方式(算法),存盘的时候就是存储这些二进制串。例如将1234将转成:
00000001 00000010 00000011 00000100
这样,1234就是这样以二进制文件的方式存盘的。
综合UTF-8和Unicode说说
假设程序从磁盘中读取
1101000 1100101 1101100 1101100 1101111
程序知道读取的是Unicode字符,并且是用UTF-8编码的,那么程序就用UTF-8解码上面的数据,得到:
104 101 108 108 111
程序根据这些标示Unicode字符的数字,解码数Unicode字符串:
hello
总结:
当有人问你Unicode和UTF-8之间的不同,你可以自信地简洁精确地告诉他:
Unicode和UTF-8没有可比性。Unicode是一种字符集,用来映射数字(码值)和字符的。UTF-8是一种编码方式,用来转换数字(码值)和二进制串的。