utf8編碼

utf8編碼

關於編碼問題： 首先須要知道什麼是編碼爲何要編碼， 計算機只能存儲一個字節一個字節的二進制信息，因此須要把人可讀的這些文字用惟一的方式在計算機內部表示出來， 可是表示的方法不惟一； 例如英文字符 就那麼點 因此一個字節 也就是 8個二進制位就能給全部的進行編碼，最多能給256個符號編碼； 可是ASCII 編碼實際只使用了 7位 因此最多編碼 128個字符。 可是漢字就不行了， 經常使用的漢字大概6000多個， 因此 至少須要兩個字節， 因此中國government給出了兩個字節的編碼方案， 叫作GBxxxx （國標的意思） 兩個字節16位 最多 有65536 個字符， 因此 給這些漢字用是足夠了，可是有個問題 如何讓GB碼和ASCII碼互相兼容， 即這65536 個字符裏面關於那些英文字符的編碼 在GB碼和ASCII碼中要一致 方法很簡單 要求全部最高位爲0的編碼表示的是ASCII碼， 最高位爲1的編碼是GB碼； 這樣實際最多就只能表示32768個漢字了； 可是GB國標碼只能在中國用， 世界人民怎麼辦呢？世界有那麼多的語言，每種語言都應該有編碼 因此有了一個叫作unicode 統一編碼的東西出現了；Unicode是國際組織制定的能夠容納世界上全部文字和符號的字符編碼方案。Unicode用數字0-0x10FFFF來映射這些字符（見百度百科http://baike.baidu.com/view/40801.htm） 固然最後還有一個咱們常常見到的UTF8編碼， 這個是什麼東西？ UTF全稱 是Unicode Transformation Format 即unicode 編碼的變形形式； unicode編碼是定長度的， 可是對於ASCII字符來說 有點浪費了， 能夠用一個字節表示 ASCII字符， 用多個字節表示 漢字什麼的， 這就是變長度編碼方式了， 那就須要對unicode編碼進行一些變形； UTF-8的定義： 0開頭 latin字符 10開頭 一個字符連續字節中的某一個 1111xxx 一個多字節字符的開始  前導1的個數表示字節個數 前導1後面緊跟一個0 漢字通常3個字節 unicode是統一編碼 utf8是對unicode的轉換編碼 unicode    utf8 0xxxxxxx -> 0xxxxxxx   latin 轉化成自身 00000yyy  yyxxxxxx  -> 110yyyyy  10xxxxxx  兩字節 轉化成 兩字節 zzzzyyyy  yyxxxxxx->1110zzzz 10yyyyyy 10xxxxxx  兩字節轉化成三字節（通常漢字就是如此） 000wwwzz zzzzyyyy yyxxxxxx -> 11110www 10zzzzzz 10yyyyyy 10xxxxxx 三字節轉化成4字節