UTF-8和Unicode之间的关系 | 小知识

UTF-8和Unicode之间的关系

        我们知道ASCII码主要是存储字母、个别符号的啊，最多有128位。也就是说，使用ASCII码可以表示最多128个基本符号。

        如何用二进制来表示其他国家语言呢？如中文等

        这就用到了Unicode。统一码（Unicode），也叫万国码、单一码、全球码，是计算机科学领域里的一项业界标准，包括字符集、编码方案等。Unicode是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求。

        我们常见的UTF-8是使用最广的Unicode编码方式。UTF-8将每个代码点映射到1-4个字节中。

 图中说的Unicode码是啥呢？其实就是二进制码。下面举个例子：

汉字    ---   十六进制        ---  对应的二进制

'中'      ---    4e2d              --- 100111000101101

UTF-8中对十六进制的编码格式如下：

00-7F ： 0xxxxxxx
80-7FF：110xxxxx 10xxxxxx
800-FFFF：1110xxxx 10xxxxxx 10xxxxxx
10000-10FFFF：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

我们假设有字符 ‘中’ ，现需要知道它的utf-8编码

        我们现在知道 ‘中’ 的十六进制为4E2D，那么属于800-FFFF范围。4E2D的二进制为100  1110   0010  1101。我们将其填充到1110xxxx 10xxxxxx 10xxxxxx 中的x里。得到11100100 10111000 10101101   ->   这个就是utf-8的编码，常见到utf-8给我们的是十六进制，你可以把这个二进制转为16进制就是了。

        如何判断我们的计算对不对？ 我们反推一下。已知utf-8编码11100100 10111000 10101101，求它原来的二进制？

        根据上面的格式：我们知道是这样做的1110xxxx 10xxxxxx 10xxxxxx

        那么我们将11100100 10111000 10101101和1110xxxx 10xxxxxx 10xxxxxx，把xxx拿出来就行了。    0100111000101101。

 图   -   2进制转16进制