字符编码
字符编码
ASCII码
计算机内所有信息会转化成二进制(bit)，有0和1两种状态。
ASCII码 是美国定制的字符编码规范，有256个符号，从0000000到11111111。
但第一位默认为0，共128个字符。所有这些编码方式中，0--127表示的符号是一样的，不一样的只是128--255的这一段。
ascii码中，A的二进制编码为01000001，如果用十进制表示是65，用十六进制表示就是41H。
Unicode
Unicode码包括世界上所有的符号，每个符号都有独立的编码。
每个字符编码都不一样，，U+0639表示阿拉伯字母Ain，U+0041表示英语的大写字母A，U+4E25表示汉字"严"。
UTF-8 UTF-16 UTF-32
三个编码方式所需的字节长度：
UTF-8
UTF-16
UTF-32
1~4个字节
2个或4个字节
4个字节
UTF-8编码规则：
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。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。
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
字母x表示可用编码的位。
跟据上表，解读UTF-8编码非常简单。如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。
Unicode与UTF-8之间的转换
从上表可知，严的Unicode码为4E25(100111000100101)，从上表可知道位于第三行范围内，因此UTF-8编码格式为"1110xxxx 10xxxxxx 10xxxxxx"，然后严从最后一个二进制开始，依次填入格式中的x，多出补0，最后结果是E4B8A5。
Last updated