Unicode与utf-8之间的区别

https://www.zhihu.com/question/23374078

计算机的巴比伦塔命题，国际标准化组织提出了Unicode（废了所有的地区性编码方案，重新搞一个包括了地球上所有文化、所有字母和符号 的编码！他们打算叫它”Universal Multiple-Octet Coded Character Set”，简称 UCS, 俗称 “unicode“。）。

随之也带来了两个问题：

如何才能区别unicode和ascii？计算机怎么知道三个字节表示一个符号，而不是分别表示三个符号呢？

第二个问题是，我们已经知道，英文字母只用一个字节表示就够了，如果unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，这对于存储空间来说是极大的浪费。

面向传输的众多 UTF （UCS Transfer Format）标准出现了，顾名思义， UTF-8 就是每次8个位传输数据。

UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度，当字符在ASCII码的范围时，就用一个字节表示，保留了ASCII字符一个字节的编码做为它的一部分，注意的是unicode一个中文字符占2个字节，而UTF-8一个中文字符占3个字节）。

Unicode符号范围 | UTF-8编码方式

(十六进制) | （二进制）
—————————————————————–
0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

作者：于洋
链接：https://www.zhihu.com/question/23374078/answer/69732605
来源：知乎

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

「知」字的码位 U+77E5 属于第三行的范围

       7 7 E 5 0111 0111 1110 0101 二进制的 77E5-------------------------- 0111 011111 100101 二进制的 77E51110XXXX 10XXXXXX 10XXXXXX 模版（上表第三行）11100111 10011111 10100101 代入模版 E 7 9 F A 5

U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。

作者：邱昊宇
链接：https://www.zhihu.com/question/23374078/answer/24385963
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。