Unicode 和 UTF-8 有何區別

簡單來講:
ide

  • Unicode 是「字符集」編碼

  • UTF-8 是「編碼規則」加密

其中:
code

  • 字符集:爲每個「字符」分配一個惟一的 ID(學名爲碼位 / 碼點 / Code Point)
    it

  • 編碼規則:將「碼位」轉換爲字節序列的規則(編碼/解碼 能夠理解爲 加密/解密 的過程)io


廣義的 Unicode 是一個標準,定義了一個字符集以及一系列的編碼規則,即 Unicode 字符集和 UTF-八、UTF-1六、UTF-32 等等編碼……class

Unicode 字符集爲每個字符分配一個碼位,例如「知」的碼位是 30693,記做 U+77E5(30693 的十六進制爲 0x77E5)。二進制

UTF-8 顧名思義,是一套以 8 位爲一個編碼單位的可變長編碼。會將一個碼位編碼爲 1 到 4 個字節:
模版

U+ 0000 ~ U+ 007F: 0XXXXXXX
U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX
U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

根據上表中的編碼規則,以前的「知」字的碼位 U+77E5 屬於第三行的範圍:
di

       7    7    E    5    
    0111 0111 1110 0101    二進制的 77E5
--------------------------
    0111   011111   100101 二進制的 77E5
1110XXXX 10XXXXXX 10XXXXXX 模版(上表第三行)
11100111 10011111 10100101 代入模版
   E   7    9   F    A   5

這就是將 U+77E5 按照 UTF-8 編碼爲字節序列 E79FA5 的過程。反之亦然。



連接:https://www.zhihu.com/question/23374078/answer/24385963來源:知乎著做權歸做者全部。商業轉載請聯繫做者得到受權,非商業轉載請註明出處。

相關文章
相關標籤/搜索