字符集(二)-unicode实现方式utf-8
来源:互联网 发布:网易暴雪 腾讯 知乎 编辑:程序博客网 时间:2024/06/04 04:51
在字符集(一)里面,我们提到了unicode编码方案最多可以包含1114112(0x10FFFF)个字符。那么在编程的时候我们怎么实现1114112字符呢?
UTF-8、UTF-16、UTF-32就是将数字转换到程序数据的编码方案。 这里我们介绍常见的utf-8方案。
UTF-8以字节为单位对Unicode进行编码。从Unicode到UTF-8的编码方式如下:
Unicode编码(16进制) ║ UTF-8 字节流(二进制)
000000 - 00007F ║ 0xxxxxxx (1字节)
000080 - 0007FF ║ 110xxxxx 10xxxxxx (2字节)
000800 - 00FFFF ║ 1110xxxx 10xxxxxx 10xxxxxx (3字节)
010000 - 10FFFF ║ 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx (4字节)
UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符,UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是4个字节。从上表可以看出,4字节模板有21个x,即可以容纳21位二进制数字。Unicode的最大码位0x10FFFF也只有21位。
例1:“汉”字的Unicode编码是0x6C49。0x6C49在0x0800-0xFFFF之间,使用用3字节模板了:1110xxxx 10xxxxxx 10xxxxxx。将0x6C49写成二进制是:0110 1100 0100 1001, 用这个比特流依次代替模板中的x,得到:11100110 10110001 10001001,即E6 B1 89。
例2:Unicode编码0x20C30在0x010000-0x10FFFF之间,使用用4字节模板了:11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。将0x20C30写成21位二进制数字(不足21位就在前面补0):0 0010 0000 1100 0011 0000,用这个比特流依次代替模板中的x,得到:11110000 10100000 10110000 10110000,即F0 A0 B0 B0。
utf-16、utf-32编码方案雷同,不再详说。。。
- 字符集(二)-unicode实现方式utf-8
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 字符集编码浅谈:Unicode、UTF-8
- unicode字符集和UTF-8编码
- 字符集之间转换(UTF-8,UNICODE,Gb2312)
- 考博咨询
- 兼容IE和火狐的屏蔽F5的方法
- zoj2797_最短路dij
- 我常去的编程技术网站
- java中如何对数组和集合进行排序
- 字符集(二)-unicode实现方式utf-8
- Winform自定义控件实例
- CSDN随机访问
- 为什么都是C++和Java呢
- Oracle Net配置、工作原理及常见错误分析
- 关于开源授权协议 GPL 和 LGPL
- Linux0.11内核--缓冲区初始化
- C++ 类的静态成员(static)
- 使用keil判断ARM的冷启动和热启动的方法