UTF-8编码
来源:互联网 发布:专业的音频软件 编辑:程序博客网 时间:2024/05/16 15:41
请问utf-8的中文是一个汉字占三个字节长度吗?(转自百度)
先从字符编码讲起。
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;
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。欧美人就是喜欢直来直去,字符少,编码用得位数少;
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新华字典里查得到,但是电脑上如果不处理一下你是显示不出来的了吧。
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。x86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。
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。
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、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及马尔代夫语(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。
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1110xxxx 10xxxxxx 10xxxxxx。
- UTF-8 编码介绍
- UTF-8编码规则
- UTF-8 编码
- UTF-8编码研究
- UTF-8编码规则
- 关于UTF-8编码
- 关于UTF-8编码
- UTF-8编码问题
- utf-8编码规则
- UTF-8编码规则
- UTF-8编码规则
- utf-8编码
- UTF-8编码原理
- UTF-8编码
- UTF-8 编码
- emacs utf-8编码
- UTF-8编码规则
- UTF-8编码
- MySQL 5.7 Reference Manual Chapter 10 Language Structure 参考手册第十章语言结构内容总结
- Android中ListView的回弹效果
- OpenCV的所有模块介绍
- Java开发中的23种设计模式详解(转)
- CSS居中总结
- UTF-8编码
- ios boundingRectWithSize 方法使用
- 集合Map,HashMap、TreeMap+JAVA学习笔记-DAY18
- 【Android】自定义录音、播放动画View,让你的录音浪起来
- ThinkPHP3.2.3分页样式自定义
- 查错(拓扑排序+堆维护)
- php实现文件锁解决并发
- 遍历文件夹
- jquery获取radio的值