位（bit）、字節(jié)（byte）、字符、編碼之間的關(guān)系
位（bit）、字節(jié)（byte）、字符、編碼之間的關(guān)系
1、位：
? ? ?數(shù)據(jù)存儲的最小單位。每個二進(jìn)制數(shù)字0或者1就是1個位；
2、字節(jié)：
? ? ?8個位構(gòu)成一個字節(jié)；即：1 byte (字節(jié))= 8 bit(位)；
? ? ?1 KB = 1024 B(字節(jié))；
? ? ?1 MB = 1024 KB;? ?(2^10 B)
? ? ?1 GB = 1024 MB;? (2^20 B)
? ? ?1 TB = 1024 GB;? ?(2^30 B)
3、字符：
? ? ?a、A、中、+、*、の......均表示一個字符；
? ? ?一般 utf-8 編碼下，一個漢字字符 占用 3 個 字節(jié)；
? ? ?一般 gbk 編碼下，一個漢字 字符? 占用 2 個 字節(jié)；
?
4、字符集：
? ? ?即各種各個字符的集合，也就是說哪些漢字，字母（A、b、c）和符號（空格、引號..）會被收入標(biāo)準(zhǔn)中；
?
5、編碼：
? ? ?規(guī)定每個“字符”分別用一個字節(jié)還是多個字節(jié)存儲，用哪些字節(jié)來存儲，這個規(guī)定就叫做“編碼”。（其實(shí)際是對字符集中字符進(jìn)行編碼，即：每個字符用二進(jìn)制在計(jì)算中表示存儲）；
? ? 通俗的說：編碼就是按照規(guī)則對字符進(jìn)行翻譯成對應(yīng)的二進(jìn)制數(shù)，在計(jì)算器中運(yùn)行存儲，用戶看的時(shí)候（比如瀏覽器），在用對應(yīng)的編碼解析出來用戶能看懂的；
?
? ? （1）標(biāo)準(zhǔn)ASCii字符集：有96個打印字符，和32個控制字符組成；一共96+32=128個；
? ? ? ? ? ? ?用7位二進(jìn)制數(shù)來對每1個字符進(jìn)行編碼；
? ? ? ? ? ? ?而由于7位還還不夠1個字節(jié)，而電腦的內(nèi)部常用字節(jié)來用處理，每個字節(jié)中多出來的最高位用0替代；
? ? ? ? ? ? ?0?000? ?0000.........................0
? ? ? ? ? ? ?0?111? ? 1111..........................127；? ?從0----127，來表示128個ACSii編碼；
? ? ? ? ? ? ?比如：字符 'A'----------在計(jì)算器內(nèi)部用0100 0001 （65）來表示；
? ? ? ? ? ? ? ? ? ? ? ? 字符'a'-----------在計(jì)算器內(nèi)部用0?110 0001 （97）來表示；
? ? ? ? ? ? ?注意：'10'在計(jì)算器內(nèi)部是沒有編碼的，因?yàn)樗亲址皇菃蝹€字符?？梢苑謩e對1,0字符編碼存儲；
?
? ? ?（2）擴(kuò)展ASCii字符集：將標(biāo)準(zhǔn)的ASCii最高位1，得到十進(jìn)制代碼128---255（1?000 0000----1?111 1111）；所以字符集一共有0---255,? 256個字符；
?
? ? ? （3）gb2312字符集: 所有漢字字符在計(jì)算機(jī)內(nèi)部采用2個字節(jié)來表示，每個字節(jié)的最高位規(guī)定為1【正好與標(biāo)準(zhǔn)ASCii字符（最高位是0）不重疊，并兼容】，不支持繁體字；?
? ? ? ? ? ? ?所以：gb2312表示漢字的編碼為：[129--255][129--255]? (兩個字節(jié)，每個字節(jié)最高位是1)；小于127的字符，與ASCii編碼相同；
?
? ? ? （4）gbk字符集：gb2312的擴(kuò)充，兼容gb2312，除了收錄gb2312所有的字符外，還收錄了其他不常見的漢字、繁體字等；
? ? ? ? ? ? ?gbk中字符是一個或兩個字節(jié)，單字節(jié)字符00--7F（0---127）這個區(qū)間和ASCII是一樣的；
? ? ? ? ? ? ?雙字節(jié)字符的第一個字節(jié)是在81--FE（129--254）之間。通過這個可以判斷是單字節(jié)還是雙字節(jié)；
? ? ? ? ? ? ?即：在gbk字符編碼，如果第一個字節(jié)是>128的，則再往后找一個字節(jié)，組成漢字；如果第一個字節(jié)<128,則表示的是一個單字節(jié)（此時(shí)和ASCII是一樣的）；
?
? ? ?（5）Unicode字符集：容納世界上所有語言字符和符號的集合；（以及對應(yīng)的二進(jìn)制數(shù)字）；
? ? ? ? Unicode只是一個編碼規(guī)范，目前實(shí)際實(shí)現(xiàn)的unicode編碼只要有三種：UTF-8,UCS-2和UTF-16，三種unicode字符集之間可以按照規(guī)范進(jìn)行轉(zhuǎn)換。
?
? ? ?（6）utf-8編碼：UTF-8（8-bit Unicode Transformation Format）是一種針對Unicode的可變長度字符編碼，也是一種前綴碼。它可以用來表示Unicode標(biāo)準(zhǔn)中的任何字符，且其編碼中的第一個字節(jié)仍與ASCII兼容，這使得原來處理ASCII字符的軟件無須或只須做少部分修改，即可繼續(xù)使用。因此，它逐漸成為電子郵件、網(wǎng)頁及其他存儲或發(fā)送文字的應(yīng)用中，優(yōu)先采用的編碼。
?
對于UTF-8編碼中的任意字節(jié)B，如果B的第一位為0，則B獨(dú)立的表示一個字符(ASCII碼)；
如果B的第一位為1，第二位為0，則B為一個多字節(jié)字符中的一個字節(jié)(非ASCII字符)；
如果B的前兩位為1，第三位為0，則B為兩個字節(jié)表示的字符中的第一個字節(jié)；
如果B的前三位為1，第四位為0，則B為三個字節(jié)表示的字符中的第一個字節(jié)；
如果B的前四位為1，第五位為0，則B為四個字節(jié)表示的字符中的第一個字節(jié)；
因此，對UTF-8編碼中的任意字節(jié)，根據(jù)第一位，可判斷是否為ASCII字符；根據(jù)前二位，可判斷該字節(jié)是否為一個字符編碼的第一個字節(jié)；根據(jù)前四位（如果前兩位均為1），可確定該字節(jié)為字符編碼的第一個字節(jié)，并且可判斷對應(yīng)的字符由幾個字節(jié)表示；根據(jù)前五位（如果前四位為1），可判斷編碼是否有錯誤或數(shù)據(jù)傳輸過程中是否有錯誤。
?
即：
1、單字節(jié)的字符，字節(jié)的第一位設(shè)為0，對于英語文本，UTF-8碼只占用一個字節(jié)，和ASCII碼完全相同；
2、n個字節(jié)的字符(n>1)，第一字節(jié)的前n位設(shè)為1，第n+1位設(shè)為0，后面字節(jié)的前兩位都設(shè)為10；
3、2個字節(jié)，第一個字節(jié)的前2位是1；3個字節(jié)，第一個字節(jié)的前三位是1； 4個字節(jié)，第一個字節(jié)的前4位都是1；
?
?
?
?
?
位、字節(jié)、字符的區(qū)別
位（bit）：是計(jì)算機(jī) 內(nèi)部數(shù)據(jù) 儲存的最小單位，11001100是一個八位二進(jìn)制數(shù)。
字節(jié)（byte）：是計(jì)算機(jī)中 數(shù)據(jù)處理 的基本單位，習(xí)慣上用大寫 ?B ?來表示,1B（byte,字節(jié)）= 8bit（位）
字符：是指計(jì)算機(jī)中使用的字母、數(shù)字、字和符號
ASCIIS碼：?1個英文字母（不分大小寫）= 1個字節(jié)的空間
? ? ? ? ? ? ? ? ? ? 1個中文漢字 = 2個字節(jié)的空間
? ? ? ? ? ? ? ? ? ? 1個ASCII碼 = 一個字節(jié)
UTF-8編碼：1個英文字符 = 1個字節(jié)
? ? ? ? ? ? ? ? ? ? ?英文標(biāo)點(diǎn) ?= 1個字節(jié)
? ? ? ? ? ? ? ? ? ? ?1個中文（含繁體） = 3個字節(jié)
? ? ? ? ? ? ? ? ? ? ?中文標(biāo)點(diǎn) = 3個字節(jié)
Unicode編碼：1個英文字符 = 2個字節(jié)
? ? ? ? ? ? ? ? ? ? ?英文標(biāo)點(diǎn) ?= 2個字節(jié)
? ? ? ? ? ? ? ? ? ? ?1個中文（含繁體） = 2個字節(jié)
? ? ? ? ? ? ? ? ? ? ?中文標(biāo)點(diǎn) = 2個字節(jié)
?
?
?
?
?
?
Unicode字符是什么？
Unicode 是一種重要的交互和顯示的通用字符編碼標(biāo)準(zhǔn)，它覆蓋了美國、歐洲、中東、非洲、印度、亞洲和太平洋的語言，以及古文和專業(yè)符號。Unicode 允許交換、處理和顯示多語言文本以及公用的專業(yè)和數(shù)學(xué)符號。它希望能夠解決多語言的計(jì)算，如不同國家的字符標(biāo)準(zhǔn)，但并不是所有的現(xiàn)代或古文都能夠獲得支持。
Unicode 字符可以適用于所有已知的編碼。Unicode 是繼 ASCII（美國國家交互信息標(biāo)準(zhǔn)編碼）字符碼后的一種新字符編碼，它為每一個符號定義一個數(shù)字和名稱，并指定字符和它的數(shù)值（碼位），以及該值的二進(jìn)制位表示法，通過一個十六進(jìn)制數(shù)字和前綴（U）定義一個16位的數(shù)值，如：U+0041 表示 A，其唯一的名稱是 LATIN CAPITAL LETTER A。但請注意：JavaScript 1.3 之前的版本并不支持 Unicode 編碼。
Unicode 與 ASCII 和 ISO 的兼容性
Unicode 兼容于 ASCII 字符并被大多數(shù)程序所支持，前128個 Unicode 碼同 ASCII 碼具有同樣的字節(jié)值；Unicode 字符從 U+0020 到 U+007E 等同與 ASCII 碼的 0x20 到 0x7E，不同于支持拉丁字母的7位 ASCII，Unicode 對每個字符進(jìn)行16位值的編碼設(shè)置，它允許幾萬個字符，例如 Unicode 2.0 版包含 38,885 個字符，它也可以進(jìn)行擴(kuò)展，如 UTF-16 允許用16位字符組合為一百萬或更多的字符，UTF 將編碼轉(zhuǎn)換為真實(shí)的二進(jìn)制位。
Unicode 完全兼容于國際標(biāo)準(zhǔn) ISO/IEC 10646-1; 1993，它是 ISO 10646 的一個子集，并支持用兩個八進(jìn)制數(shù)的 ISO UCS-2（Universal Character Set）。JavaScript 1.3 版本對 Unicode 的支持意味著您可以任意地在程序中使用本地的字符以及特殊的科學(xué)符號。Unicode 提供了一種標(biāo)準(zhǔn)的方法來編碼多語言文本，并且因?yàn)樗嫒萦?ASCII ，您也可以隨意使用 ASCII 字符。
您可以在不同的語言中使用 Unicode 來顯示字符或?qū)I(yè)符號，但這需要一個客戶端能夠支持 Unicode，例如 Netscape Navigator 4.x，并且客戶端還得支持 Unicode 字體以及操作平臺的支援。例如 Windows 95 它只支持部分的 Unicode，另外，為了輸入非 ASCII 字符，您還得有支持所有 Unicode 字符的輸入設(shè)備，一個標(biāo)準(zhǔn)的擴(kuò)展鍵盤不能夠做到這一點(diǎn)，但我們可以用 Unicode 轉(zhuǎn)義序列來輸入 Unicode 字符。如果您還需了解 Unicode 更多的信息，請參見 Unicode Consortium Web site 2.0版?
http://www.unicode.org/和http://charts.unicode.org/中發(fā)現(xiàn)在線信息。表7-6列出了由Unicode編碼的文字，由此可知Unicode的廣泛性。每一種文字的字符通常編碼在65,536個號碼中的一個連續(xù)區(qū)域內(nèi)。許多語言都能使用其中某一區(qū)域的字符書寫（例如，使用古斯拉夫語書寫俄語），盡管有一些語言，如克羅地亞語或土耳其語需要混合匹配前4個拉丁文區(qū)域中的字符。
UTF-8
Unicode使用雙字節(jié)表示一個字符，因此使用Unicode的英文文本文件大小是使用ASCII碼或Latin-1文件的兩倍。UTF-8是一個壓縮的Unicode版本，使用單個字節(jié)表示最常用的字符，即0到127的ASCII字符，較少見的字符使用三個字節(jié)表示，特制是韓國音節(jié)和漢字。如果主要使用英文，UTF-8能夠?qū)⑽募嚎s為原來的一半。如果主要使用漢語、朝語或者日語，UTF-8會使文件的尺寸增加50%��因此應(yīng)當(dāng)謹(jǐn)慎使用UTF-8。UTF-8幾乎不能處理非羅馬文字和非CJK文字，如希臘語、阿拉伯語、古斯拉夫語和希伯來語。
XML處理器在沒有被預(yù)先通知的情況下假定文本數(shù)據(jù)是UTF-8格式。這意味著XML處理器能夠閱讀ASCII碼文件，但是使用它處理其他格式的文件像MacRoman 或者 Latin-1會有困難。我們很快就能學(xué)會如何在短時(shí)間內(nèi)解決這個問題。
通用字符系統(tǒng)
Unicode因?yàn)闆]有包含足夠多的語言和文字而受到批評，特別是亞洲東部的語言。它只定義了中國、日本、朝鮮和古越南使用的80,000象形文字中的20,000個左右。（現(xiàn)代越南語使用一種羅馬字母。）
UCS （Universal Character System）��通用字符系統(tǒng)，也稱作ISO 10646，使用四個字節(jié)（確切地說是31位）表示一個字符，以給20多億不同的字符提供足夠的空間。這樣能容易地覆蓋地球上任何一種文字和語言使用的每個字符。而且還可以給每一種語言指定一個完整的字符集，使法語中的“e”不同于英語和德語中的“e”等等。
與Unicode一樣，UCS定義了許多不同的變種和壓縮形式。純粹的Unicode有時(shí)指USC-2，是雙字節(jié)的UCS。UTF-16是一種特別的編碼，它把一些UCS字符安排在長度變化的字符串中，在這種方式下Unicode（UCS-2）數(shù)據(jù)不會改變。
UCS超越Unicode的優(yōu)點(diǎn)主要是理論方面的。在UCS中實(shí)際定義過的字符就是Unicode中已有的字符。但是UCS為以后的字符擴(kuò)充提供了更多的空間。
為了使不同的字符集能夠處理好不同的文字和語言，必須滿足：
1. 不同時(shí)引用多種文字。
2. 不與使用不同字符集的人交換文件。
由于Mac和PC機(jī)都使用不同的字符集，越來越多的人無法遵循以上原則。很明顯的是需要一種得到大家的認(rèn)可并且編碼了全世界各種文字的字符集。建立這樣的字符集很難，需要對成百上千種語言和文字有細(xì)致的了解。要使軟件開發(fā)商們同意使用這種字符集就更難了。不過這方面的努力一直在進(jìn)行，終于創(chuàng)建了一個符合要求的字符集��Unicode。而且主要賣方（微軟、蘋果、IBM、Sun、Be等）正逐步趨向于使用它。XML把Unicode當(dāng)作自己的默認(rèn)字符集。
Unicode使用0~65,535的雙字節(jié)無符號數(shù)對每一個字符進(jìn)行編碼。目前已經(jīng)定義了40,000多個不同的Unicode字符，剩余25,000個空缺留給將來擴(kuò)展之用。其中大約20,000個字符用于漢字，另外11,000左右的字符用于韓語音節(jié)。Unicode中0~`255的字符與Latin-1中的一致。
如果在本書中顯示所有的Unicode字符，那么除了這些字符表格外，書中將容納不下別的任何東西。如果需要知道Unicode中不同字符的確定編碼，買一冊Unicode標(biāo)準(zhǔn)（第二版，ISBN 0-201-48346-9，Addison-Wesley出版）。該書共950頁，包括對Unicode 2.0的全部詳細(xì)說明，還包括Unicode 2.0中定義的所有字符集的圖表。還可以在Unicode協(xié)會的網(wǎng)址：
?
?
?
?
?
?
Unicode 和 UTF-8 是什么關(guān)系
想必做過爬蟲的同學(xué)肯定被編碼問題困擾過，有 UTF-8、GBK、Unicode 等等編碼方式，但你真的了解其中的原理嗎？下面我們就來了解一下 Unicode 和 UTF-8 編碼到底有什么關(guān)系。
要弄清 Unicode 與 UTF-8 的關(guān)系，我們還得從他們的來源說起，下來我們從剛開始的編碼說起，直到 Unicode 的出現(xiàn)，我們就會感覺到他們之間的關(guān)系?
ASCII碼
我們都知道，在計(jì)算機(jī)的世界里，信息的表示方式只有 0 和 1,但是我們?nèi)祟愋畔⒈硎镜姆绞絽s與之大不相同，很多時(shí)候是用語言文字、圖像、聲音等傳遞信息的。
那么我們怎樣將其轉(zhuǎn)化為二進(jìn)制存儲到計(jì)算機(jī)中，這個過程我們稱之為編碼。更廣義地講就是把信息從一種形式轉(zhuǎn)化為另一種形式的過程。?
我們知道一個二進(jìn)制有兩種狀態(tài)：”0” 狀態(tài) 和 “1”狀態(tài)，那么它就可以代表兩種不同的東西，我們想賦予它什么含義，就賦予什么含義，比如說我規(guī)定，“0” 代表 “吃過了”, “1”代表 “還沒吃”。
這樣，我們就相當(dāng)于把現(xiàn)實(shí)生活中的信息編碼成二進(jìn)制數(shù)字了，并且這個例子中是一位二進(jìn)制數(shù)字，那么 2 位二進(jìn)制數(shù)可以代表多少種情況能？對，是四種，2^2,分別是 00、01、10、11，那 7 種呢？答案是 2^7=128。
我們知道，在計(jì)算機(jī)中每八個二進(jìn)制位組成了一個字節(jié)（Byte），計(jì)算機(jī)存儲的最小單位就是字節(jié)，字節(jié)如下圖所示?：
所以早期人們用 8 位二進(jìn)制來編碼英文字母(最前面的一位是 0)，也就是說，將英文字母和一些常用的字符和這 128 中二進(jìn)制 0、1 串一一對應(yīng)起來，比如說 大寫字母“A”所對應(yīng)的二進(jìn)制位“01000001”，轉(zhuǎn)換為十六進(jìn)制為 41。
在美國，這 128 是夠了，但是其他國家不答應(yīng)啊，他們的字符和英文是有出入的，比如在法語中在字母上有注音符號，如?é?,這個怎么表示成二進(jìn)制？
所以各個國家就決定把字節(jié)中最前面未使用的那一個位拿來使用，原來的 128 種狀態(tài)就變成了 256 種狀態(tài)，比如 é 就被編碼成 130（二進(jìn)制的?10000010）。
為了保持與 ASCII 碼的兼容性，一般最高為為 0 時(shí)和原來的 ASCII 碼相同，最高位為 1 的時(shí)候，各個國家自己給后面的位 (1xxx xxxx) 賦予他們國家的字符意義。
但是這樣一來又有問題出現(xiàn)了，不同國家對新增的 128 個數(shù)字賦予了不同的含義，比如說 130 在法語中代表了 é,但是在希伯來語中卻代表了字母 Gimel（這不是希伯來字母，只是讀音翻譯成英文的形式）具體的希伯來字母 Gimel 看下圖?
所以這就成了不同國家有不同國家的編碼方式，所以如果給你一串二進(jìn)制數(shù)，你想要解碼，就必須知道它的編碼方式，不然就會出現(xiàn)我們有時(shí)候看到的亂碼?。
?
Unicode的出現(xiàn)
Unicode?為世界上所有字符都分配了一個唯一的數(shù)字編號，這個編號范圍從?0x000000 到 0x10FFFF?(十六進(jìn)制)，有 110 多萬，每個字符都有一個唯一的 Unicode 編號，這個編號一般寫成 16 進(jìn)制，在前面加上 U+。例如：“馬”的 Unicode 是U+9A6C。
Unicode 就相當(dāng)于一張表，建立了字符與編號之間的聯(lián)系
它是一種規(guī)定，Unicode 本身只規(guī)定了每個字符的數(shù)字編號是多少，并沒有規(guī)定這個編號如何存儲。
有的人會說了，那我可以直接把 Unicode 編號直接轉(zhuǎn)換成二進(jìn)制進(jìn)行存儲，是的，你可以，但是這個就需要人為的規(guī)定了，而 Unicode 并沒有說這樣弄，因?yàn)槌四氵@種直接轉(zhuǎn)換成二進(jìn)制的方案外，還有其他方案，接下來我們會逐一看到。?
編號怎么對應(yīng)到二進(jìn)制表示呢？有多種方案：主要有 UTF-8，UTF-16，UTF-32。
1、UTF-32?
先來看簡單的 UTF-32?
這個就是字符所對應(yīng)編號的整數(shù)二進(jìn)制形式，四個字節(jié)。這個就是直接轉(zhuǎn)換。 比如馬的 Unicode 為：U+9A6C，那么直接轉(zhuǎn)化為二進(jìn)制，它的表示就為：1001 1010 0110 1100。
這里需要說明的是，轉(zhuǎn)換成二進(jìn)制后計(jì)算機(jī)存儲的問題，我們知道，計(jì)算機(jī)在存儲器中排列字節(jié)有兩種方式：大端法和小端法，大端法就是將高位字節(jié)放到底地址處，比如 0x1234, 計(jì)算機(jī)用兩個字節(jié)存儲，一個是高位字節(jié) 0x12,一個是低位字節(jié) 0x34，它的存儲方式為下：
UTF-32 用四個字節(jié)表示，處理單元為四個字節(jié)（一次拿到四個字節(jié)進(jìn)行處理），如果不分大小端的話，那么就會出現(xiàn)解讀錯誤，比如我們一次要處理四個字節(jié) 12 34 56 78，這四個字節(jié)是表示 0x12 34 56 78 還是表示 0x78 56 34 12？不同的解釋最終表示的值不一樣。
我們可以根據(jù)他們高低字節(jié)的存儲位置來判斷他們所代表的含義，所以在編碼方式中有 UTF-32BE 和 UTF-32LE，分別對應(yīng)大端和小端，來正確地解釋多個字節(jié)（這里是四個字節(jié)）的含義。
?
2、UTF-16?
UTF-16 使用變長字節(jié)表示?
① 對于編號在?U+0000?到?U+FFFF?的字符（常用字符集），直接用兩個字節(jié)表示。?
② 編號在?U+10000?到?U+10FFFF?之間的字符，需要用四個字節(jié)表示。
同樣，UTF-16 也有字節(jié)的順序問題（大小端），所以就有 UTF-16BE 表示大端，UTF-16LE 表示小端。
?
3、UTF-8?
UTF-8 就是使用變長字節(jié)表示,顧名思義，就是使用的字節(jié)數(shù)可變，這個變化是根據(jù) Unicode 編號的大小有關(guān)，編號小的使用的字節(jié)就少，編號大的使用的字節(jié)就多。使用的字節(jié)個數(shù)從 1 到 4 個不等。
UTF-8 的編碼規(guī)則是：
①?對于單字節(jié)的符號，字節(jié)的第一位設(shè)為 0，后面的7位為這個符號的 Unicode 碼，因此對于英文字母，UTF-8 編碼和 ASCII 碼是相同的。?
②?對于n字節(jié)的符號（n>1）,第一個字節(jié)的前 n 位都設(shè)為 1，第 n+1 位設(shè)為 0，后面字節(jié)的前兩位一律設(shè)為 10，剩下的沒有提及的二進(jìn)制位，全部為這個符號的 Unicode 碼 。
舉個例子：比如說一個字符的 Unicode 編碼是 130，顯然按照 UTF-8 的規(guī)則一個字節(jié)是表示不了它（因?yàn)槿绻且粋€字節(jié)的話前面的一位必須是 0），所以需要兩個字節(jié)(n = 2)。
根據(jù)規(guī)則，第一個字節(jié)的前 2 位都設(shè)為 1，第 3(2+1) 位設(shè)為 0，則第一個字節(jié)為：110X XXXX，后面字節(jié)的前兩位一律設(shè)為 10，后面只剩下一個字節(jié)，所以后面的字節(jié)為：10XX XXXX。
所以它的格式為?110XXXXX?10XXXXXX 。
下面我們來具體看看具體的?Unicode 編號范圍與對應(yīng)的 UTF-8 二進(jìn)制格式?
那么對于一個具體的 Unicode 編號，具體怎么進(jìn)行 UTF-8 的編碼呢？
首先找到該 Unicode 編號所在的編號范圍，進(jìn)而可以找到與之對應(yīng)的二進(jìn)制格式，然后將該 Unicode 編號轉(zhuǎn)化為二進(jìn)制數(shù)（去掉高位的 0），最后將該二進(jìn)制數(shù)從右向左依次填入二進(jìn)制格式的 X 中，如果還有 X 未填，則設(shè)為 0 。
比如：“馬”的 Unicode 編號是：0x9A6C，整數(shù)編號是 39532，對應(yīng)第三個范圍（2048 - 65535），其格式為：1110XXXX 10XXXXXX 10XXXXXX，39532?對應(yīng)的二進(jìn)制是?1001 1010 0110 1100，將二進(jìn)制填入進(jìn)入就為：?
11101001?10101001?10101100?。
由于 UTF-8 的處理單元為一個字節(jié)（也就是一次處理一個字節(jié)），所以處理器在處理的時(shí)候就不需要考慮這一個字節(jié)的存儲是在高位還是在低位，直接拿到這個字節(jié)進(jìn)行處理就行了，因?yàn)榇笮《耸轻槍Υ笥谝粋€字節(jié)的數(shù)的存儲問題而言的。
綜上所述，UTF-8、UTF-16、UTF-32 都是 Unicode 的一種實(shí)現(xiàn)。
