簡單來說:
Unicode 是「字符集」
UTF-8 是「編碼規則」
其中:
字符集:爲每一個「字符」分配一個唯一的 ID(學名爲碼位 / 碼點 / Code Point)
編碼規則:將「碼位」轉換爲字節序列的規則(編碼/解碼 可以理解爲 加密/解密 的過程)
廣義的 Unicode 是一個標準,定義了一個字符集以及一系列的編碼規則,即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等編碼……
Unicode 字符集爲每一個字符分配一個碼位,例如「知」的碼位是 30693,記作 U+77E5(30693 的十六進制爲 0x77E5)。
UTF-8 顧名思義,是一套以 8 位爲一個編碼單位的可變長編碼。會將一個碼位編碼爲 1 到 4 個字節:
U+ 0000 ~ U+ 007F: 0XXXXXXX U+ 0080 ~ U+ 07FF: 110XXXXX 10XXXXXX U+ 0800 ~ U+ FFFF: 1110XXXX 10XXXXXX 10XXXXXX U+10000 ~ U+1FFFF: 11110XXX 10XXXXXX 10XXXXXX 10XXXXXX
根據上表中的編碼規則,之前的「知」字的碼位 U+77E5 屬於第三行的範圍:
7 7 E 5 0111 0111 1110 0101 二進制的 77E5 -------------------------- 0111 011111 100101 二進制的 77E5 1110XXXX 10XXXXXX 10XXXXXX 模版(上表第三行) 11100111 10011111 10100101 代入模版 E 7 9 F A 5
這就是將 U+77E5 按照 UTF-8 編碼爲字節序列 E79FA5 的過程。反之亦然。
鏈接:https://www.zhihu.com/question/23374078/answer/24385963
來源:知乎
著作權歸作者所有。商業轉載請聯繫作者獲得授權,非商業轉載請註明出處。