关于 UTF-8 编码

2006/04/25

UNICODE 本身只是一个编码表，即规定了一个整型数值唯一对应于一个字符。在我们现实中使用，经常会出现需要将一串字符编码为一串可以存储或者传输地字节。

UTF-8就是一种将一串字符转换为字节的编码。

UTF-8 可以表示 4个byte 的所有 Unicode。

UTF－8有如下一些约定：

1、0x00 - 0x7F 代表ASCII码，对应于 UCS码（也成为UNICODE码）:

U-00000000 - U-0000007F

2、所有大于0x7F 的UCS码使用 UTF-8编码时会编码为多个字节；第一个字节的前几位代表这个USC码需要使用几个字节表示。比如：

1110xxxx 10xxxxxx 10xxxxxx 可以表示 U-00000800 - U-0000FFFF 期间的UCS码，而第一个字节的1110 表示这个 UCS码需要三个字节表示。

3、多字节编码的每个字节都有自己的标识位 10 开头（11开头的必定用于第一位），因此和以01开头的 ASCII 码没有冲突。

4、UTF-8编码一个UCS码理论上最长可以为6个字节，表示2 (31) 个UCS码

5、字节 0xFE 和 0xFF 在 UTF-8 编码中从未用到.

阿涂发表于 2006-04-25 19:01 阅读(400) 评论( 0) 引用( 0) Java
所有人可见