UTF8编码

最近项目中经常用到UTF8编码以及BASE64操作。

 

于是有兴趣看看UFT8编码到底怎么回事。UTF8是Ken Thompson 和 Rob pike 两位大神完成的。

 

具体的实际上有一个表就可以弄明白了：

 

0XXXXXXX

110XXXXX 10XXXXXX

1110XXXX 10XXXXXX 10XXXXXX

11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

 

UTF8编码1-4byte长度表示所有的Unicode。表格中的数字，表示固定的占位符，X表示真实的值。

 

那么可以表达的长度分别为：

1byte 2^7 -1

2byte 2^11 -1

3byte 2^16 -1

4byte 2^21 -1

 

表示方式不复杂，有时间看看.NET/mono的具体实现。