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
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。