其他分享
首页 > 其他分享> > Unicode和UTF-8

Unicode和UTF-8

作者:互联网

个人理解:

Unicode:是字符集,为每一个「字符」分配一个唯一的 ID(学名为码位 / 码点 / Code Point)

UTF-8:是对Unicode字符集的编码规则的具体实现,是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节:

 

 即UTF-8具体编码规则:

1) 单字节的字符,字节的第一位设为0,对于英语文本,UTF-8码只占用一个字节,和ASCII码完全相同;

2)n个字节的字符(n>1),第一个字节的前n位设为1,第n+1位设为0,后面字节的前两位都设为10,这n个字节的其余空位填充该字符unicode码,高位用0补足。

实例:

例如「知」的码位是 30693,记作 U+77E5(30693 的十六进制为 0x77E5)utf-8编码如下:

根据上表中的编码规则,「知」字的码位 U+77E5 属于第三行的范围:

 

 即「知」的utf-8编码为3个字节 0xE7  0x9F  0xA5 

在C#中测试如下:

 

 

 

标签:编码,UTF,字节,字符,码位,Unicode
来源: https://www.cnblogs.com/tomorrow0/p/14189370.html