英文字母和中文汉字在不同字符集编码下的字节数

原文地址：http://blog.csdn.net/u010737354/article/details/52456570

<div class="postTitle" style="box-sizing: border-box; margin: 0px 0px 10px; padding: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 19.2px; font-weight: bold; font-size: 14.7px; font-family: verdana, Arial, helvetica, sans-seriff; color: rgb(75, 75, 75);"><a target=_blank target="_blank" id="cb_post_title_url" class="postTitle2" href="http://www.cnblogs.com/lancidie/archive/2013/04/12/3017241.html" style="box-sizing: border-box; margin: 0px; padding: 0px; outline: none; background-color: transparent; text-decoration: none; font-weight: normal; font-family: 'Microsoft YaHei'; color: rgb(0, 0, 0);">英文字母和中文汉字在不同字符集编码下的字节数</a></div><div id="cnblogs_post_body" style="box-sizing: border-box; margin: 0px 0px 20px; padding: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; word-break: break-word; background-color: transparent; line-height: 1.5; font-size: 13px; font-family: verdana, Arial, helvetica, sans-seriff; color: rgb(75, 75, 75);"><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">英文字母：</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：GB2312</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：GBK</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：GB18030</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：ISO-8859-1</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：UTF-8</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 4;编码：UTF-16</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：UTF-16BE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：UTF-16LE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);"> </p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">中文汉字：</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：GB2312</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：GBK</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：GB18030</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码：ISO-8859-1</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 3;编码：UTF-8</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 4;编码：UTF-16</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：UTF-16BE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码：UTF-16LE</p></div>

这是个好问题，可以当作一个笔试题。先从字符编码讲起。 

<p align="left">1、美国人首先对其英文字符进行了编码，也就是最早的ascii码，用一个字节的低7位来表示英文的128个字符，高1位统一为0。 </p><p align="left">2、后来欧洲人发现尼玛你这128位哪够用，比如我高贵的法国人字母上面的还有注音符，这个怎么区分，得，把高1位编进来吧，这样欧洲普遍使用一个全字节进行编码，最多可表示256位。欧美人就是喜欢<a target=_blank href="https://www.baidu.com/s?wd=%E7%9B%B4%E6%9D%A5%E7%9B%B4%E5%8E%BB&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">直来直去</span></a>，字符少，编码用得位数少。</p><p>3、但是即使位数少，不同国家地区用不同的字符编码，虽然0--127表示的符号是一样的，但是128--255这一段的解释完全乱套了，即使2进制完全一样，表示的字符完全不一样，比如135在法语，希伯来语，俄语编码中完全是不同的符号。</p><p>4、更麻烦的是，尼玛这电脑高科技传到中国后，中国人发现我们有10万多个汉字，你们欧美这256字塞牙缝都不够。于是就发明了GB2312这些汉字编码，典型的用2个字节来表示绝大部分的常用汉字，最多可以表示65536个汉字字符，这样就不难理解有些汉字你在<a target=_blank href="https://www.baidu.com/s?wd=%E6%96%B0%E5%8D%8E%E5%AD%97%E5%85%B8&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">新华字典</span></a>里查得到，但是电脑上如果不处理一下你是显示不出来的了吧。 </p><p>5、这下各用各的字符集编码，这世界咋统一？俄国人发封email给中国人，两边字符集编码不同，尼玛显示都是乱码啊。为了统一，于是就发明了unicode，将世界上所有的符号都纳入其中，每一个符号都给予一个独一无二的编码，现在unicode可以容纳100多万个符号，每个符号的编码都不一样，这下可统一了，所有语言都可以互通，一个网页页面里可以同时显示各国文字。 </p><p>6、然而，unicode虽然统一了全世界字符的二进制编码，但没有规定如何存储啊，亲。<a target=_blank href="https://www.baidu.com/s?wd=x86&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">x86</span></a>和amd体系结构的电脑小端序和大端序都分不清，别提计算机如何识别到底是unicode还是acsii了。如果Unicode统一规定，每个符号用三个或四个字节表示，那么每个英文字母前都必然有二到三个字节是0，文本文件的大小会因此大出二三倍，这对于存储来说是极大的浪费。这样导致一个后果：出现了Unicode的多种存储方式。 </p><p>7、互联网的兴起，网页上要显示各种字符，必须统一啊，亲。utf-8就是Unicode最重要的实现方式之一。另外还有<a target=_blank href="https://www.baidu.com/s?wd=utf-16&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">utf-16</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=utf-32&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">utf-32</span></a>等。UTF-8不是固定字长编码的，而是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。这是种比较巧妙的设计，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。 </p><p>8、注意unicode的字符编码和utf-8的存储编码表示是不同的，例如"严"字的Unicode码是4E25，UTF-8编码是E4B8A5，这个7里面解释了的，UTF-8编码不仅考虑了编码，还考虑了存储，E4B8A5是在存储识别编码的基础上塞进了4E25。 </p><p>9、UTF-8 使用一至四个字节为每个字符编码。128 个 ASCII 字符（Unicode 范围由 U+0000 至 U+007F）只需一个字节，带有变音符号的拉丁文、希腊文、西里尔字母、<a target=_blank href="https://www.baidu.com/s?wd=%E4%BA%9A%E7%BE%8E%E5%B0%BC%E4%BA%9A%E8%AF%AD&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">亚美尼亚语</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=%E5%B8%8C%E4%BC%AF%E6%9D%A5%E6%96%87&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">希伯来文</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=%E9%98%BF%E6%8B%89%E4%BC%AF%E6%96%87&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">阿拉伯文</span></a>、叙利亚文及<a target=_blank href="https://www.baidu.com/s?wd=%E9%A9%AC%E5%B0%94%E4%BB%A3%E5%A4%AB&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">马尔代夫</span></a>语（Unicode 范围由 U+0080 至 U+07FF）需要二个字节，其他基本多文种平面（BMP）中的字符（CJK属于此类-Qieqie注）使用三个字节，其他Unicode 辅助平面的字符使用四字节编码。  </p><p>10、最后，要回答你的问题，常规来看，中文汉字在utf-8中到底占几个字节，一般是3个字节，最常见的编码方式是1110xxxx10xxxxxx 10xxxxxx。</p>