UTF-8

***UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码,如果只有一个字节则其最高二进制位为0;如果是多字节,其第一个字节从最高位开始,连续的二进制位值为1的个数决定了其编码的位数,其余各字节均以10开头。UTF-8最多可用到6个字节。
如表:
1字节 0xxxxxxx
2字节 110xxxxx 10xxxxxx
3字节 1110xxxx 10xxxxxx 10xxxxxx
4字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
5字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
6字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
因此UTF-8中可以用来表示字符编码的实际位数最多有31位,即上表中x所表示的位。除去那些控制位(每字节开头的10等),这些x表示的位与UNICODE编码是一一对应的,位高低顺序也相同。
实际将UNICODE转换为UTF-8编码时应先去除高位0,然后根据所剩编码的位数决定所需最小的UTF-8编码位数。
因此那些基本ASCII字符集中的字符(UNICODE兼容ASCII)只需要一个字节的UTF-8编码(7个二进制位)便可以表示。*

我们发现了UTF-8的编码方案 这个时候我们如果用当前编码格式保存字符的话 就会开一个字节内存并且高位为0的8位二进制和当前字符进行对应 如果是汉字 比如他做进行写入内存的时候需要3个字节内存 那么他的编码一定是3字节 1110xxxx 10xxxxxx 10xxxxxx 当然xxxx具体被什么二进制替换需要查表即可。 现在我们做读取数据的时候 又是怎么样自动的提取对应的字节 从而拿到二进制和表进行比对得到字符或者汉字呢。 首先比如当前读取一个字节的话就是我们存的字符 如果计算机没有足够的智能他读取了二个字节 得到的二进制不一定在表中有对应的编码 所以就会出现我们看到的乱码 或者是不是我们要的信息

其实计算机做读取的时候首先会得到当前字节高位是0 就知道当前这个字节就是一个字符 他会做读取后面的7位 得到一个编码做查表就得到了我们保存的字符。 从而完成所谓的utf-8编码保存字符,通过拿到字符对应的编码写入二进制。 做用utf-8编码进行解码二进制拿到对应字符

你可能感兴趣的:(UTF-8)