引子
我们知道,UTF-8编码的出现是为了实现不同字符集之间的统一编码,它既可以以3个字符长度解释中文字符,又可以以1个字符长度解释英文字母,既对应着的向下兼容了ASCII码表。那么UTF-8编码是被如何设计来实现这一点的呢?
解释
首先简单解释一下ASCII码的编码规则,再解释UTF-8的编码规则,大家就懂了
ASCII码的编码规则
ASCII码表一共规定了128个字符,也就是ASCII码能解释的128个字符,包括换行、空格等符号和英文字符、阿拉伯数字等。ASCII码占一个字节,即8个bit位,第一个bit位闲置置0,剩下7个bit位用来表示128种不同状态,对应ASCII码表。
UTF-8的编码规则
UTF-8编码致力于统一世界上所有的字符集,所以它的设计上既向下兼容ASCII码的编码方式,同时又考虑了可拓展性,规则如下:
1)对于单字节的符号:字节的第一位设为0,后面7位为这个符号的 Unicode 码。与 ASCII 编码规则相同;
2)对于n字节的符号(n > 1):第一个字节的前n位都设为1,第n + 1位设为0,后面字节的前两位一律设为10。剩下的没有提及的二进制位,全部为这个符号的 Unicode 码。
第一条规则就是与ASCII的编码方式完全一致 - 《向下兼容》
也就是说对于ASCII码表中所包含的字符,UTF-8中对应的字节编码应该是这样的:
0×××××××
第二条规则解释一下:
比如说一个汉字,我们都知道UTF-8编码中它应该是用3个字节表示的,那么它的具体表示方法应该是这样的:
1110×××× 10×××××× 10×××××× 10××××××
同理,比如说用2个字节表示的字符就应该是这样的:
110××××× 10×××××× 10××××××
这样的编码规则,既向下兼容了ASCII码表,又有效的利用了其他比特位容纳更多的组合方式。