UTF-8是Unicode的实现方式之一。
UTF-8的编码规则很简单,只有二条:
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。因此对于英语字母,UTF-8编码和ASCII码是相同的。
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。
UTF-8编码方式 | 对应的十进制Unicode编码值
0xxxxxxx | 0 - 127
110xxxxx 10xxxxxx | 128 - 2047
1110xxxx 10xxxxxx 10xxxxxx | 2048 - 65535
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx | 65536 - 1114111
注意:x表示可编码位