UTF-8
來自站長百科
（重定向自Utf8）
UTF-8，是UNICODE的一種變長字符編碼，由Ken Thompson于1992年創(chuàng)建?，F在已經標準化為RFC 3629。UTF-8用1到6個字節(jié)編碼 UNICODE字符。如果UNICODE字符由2個字節(jié)表示，則編碼成UTF-8很可能需要3個字節(jié)，而如果UNICODE字符由4個字節(jié)表示，則編碼成 UTF-8可能需要6個字節(jié)。用4個或6個字節(jié)去編碼一個UNICODE字符可能太多了，但很少會遇到那樣的UNICODE字符。
UTF-8轉換表[ ]
UNICODE UTF-8 00000000 - 0000007F 0xxxxxxx 00000080 - 000007FF 110xxxxx 10xxxxxx 00000800 - 0000FFFF 1110xxxx 10xxxxxx 10xxxxxx 00010000 - 001FFFFF 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 00200000 - 03FFFFFF 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 04000000 - 7FFFFFFF 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
實際表示ASCII字符的UNICODE字符，將會編碼成1個字節(jié)，并且UTF-8表示與ASCII字符表示是一樣的。所有其他的UNCODE字符轉化成 UTF-8將需要至少2個字節(jié)。每個字節(jié)由一個換碼序列開始。第一個字節(jié)由唯一的換碼序列，由n位1加一位0組成。n位1表示字符編碼所需的字節(jié)數。
UTF-8的優(yōu)缺點[ ]
- UTF-8編碼的優(yōu)點：
- UTF-8編碼可以通過屏蔽位和移位操作快速讀寫。
- 字符串比較時strcmp()和wcscmp()的返回結果相同，因此使排序變得更加容易。
- 字節(jié)FF和FE在UTF-8編碼中永遠不會出現，因此他們可以用來表明UTF-16或UTF-32文本（見BOM）
- UTF-8 是字節(jié)順序無關的。它的字節(jié)順序在所有系統(tǒng)中都是一樣的，因此它實際上并不需要BOM。
- UTF-8編碼的缺點：
- 你無法從UNICODE字符數判斷出UTF-8文本的字節(jié)數，因為UTF-8是一種變長編碼
- 它需要用2個字節(jié)編碼那些用擴展ASCII字符集只需1個字節(jié)的字符
- ISO Latin-1 是UNICODE的子集，但不是UTF-8的子集
- 8位字符的UTF-8編碼會被email網關過濾，因為internet信息最初設計為7為ASCII碼。因此產生了UTF-7編碼。
- UTF-8 在它的表示中使用值100xxxxx的幾率超過50%， 而現存的實現如ISO 2022， 4873， 6429， 和8859系統(tǒng)，會把它錯認為是C1 控制碼。因此產生了UTF-7.5編碼。