UTF8编码小记

前言

常见的编码有ASCII,GBK和UTF-8等。在计算机内部，不管是什么，都是以0和1表示，八进制的计算机一个字节能表示的数量是（0000000-11111111 ）256个字符。
ASCII编码：Amercan standrad code of information interchange 美国标准信息交换编码，ASCII一共定义了128个字符，规定字段的第一位都为0，后面的七位表示编码，ASCII只能表示英文，对于其他语言，无法表示。
GBK编码：Chinese internal code Specification 汉字内码扩展规范，兼容ASCII编码，双字节表示，能表示二万左右的汉字，其中汉字需要两个字节，英文只需要一个字节。
UTF-8编码：Universal charater set/unicode transform format 统一字符集合/编码交换格式，兼容ASCII编码，用一到四个字节表示。

UTF8编码规则

UTF-8使用1~4字节为每个字符编码：
一个US-ASCIl字符只需1字节编码（Unicode范围由U+0000~U+007F）。
带有变音符号的拉丁文、希腊文、西里尔字母、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文等字母则需要2字节编码（Unicode范围由U+0080~U+07FF）。
其他语言的字符（包括中日韩文字、东南亚文字、中东文字等）包含了大部分常用字，使用3字节编码。
其他极少使用的语言字符使用4字节编码。
实例：
1字节0xxxxxxx -长度7
2字节110xxxxx 10xxxxxx -长度11
3字节1110xxxx 10xxxxxx 10xxxxxx -长度16
4字节11110xxx 10xxxxxx 10xxxxxx 10xxxxxx -长度21
由上面的公式，我们知晓多字节的第一个字节的前几位的1表示的正是字节长度。

UTF8编码实例

实例一：a （兼容ascii编码）
0110 0001

实例二：严
已知“严”的unicode是4E25（0100 1110 0010 0101）
这里我们需要用三个字节表示，为啥？因为4E25的长度是16位
转码公式
严：0100 1110 0010 0101的1-4位
1110 +1001 = 11100100
严：0100 1110 0010 0101的5-10位
10 + 111000= 10111000
严：0100 1110 0010 0101的11-16位
10 + 10 0101= 10100101
最终为：
1110 0100 1011 1000 1010 0101
E4B8A5

结尾

这是基础，要知其所以然