因為看到百度里面這個人回答比較生動，印象比較深刻，所以轉(zhuǎn)過來做個筆記

原文鏈接 https://zhidao.baidu.com/question/1047887004693001899.html

知乎也有更清晰解答 https://www.zhihu.com/question/23374078

?

1、美國人首先對其英文字符進行了編碼，也就是最早的ascii碼，用一個字節(jié)的低7位來表示英文的128個字符，高1位統(tǒng)一為0；

2、后來歐洲人發(fā)現(xiàn)尼瑪你這128位哪夠用，比如我高貴的法國人字母上面的還有注音符，這個怎么區(qū)分，得，把高1位編進來吧，這樣歐洲普遍使用一個全字節(jié)進行編碼，最多可表示256位。歐美人就是喜歡直來直去，字符少，編碼用得位數(shù)少；

3、但是即使位數(shù)少，不同國家地區(qū)用不同的字符編碼，雖然0--127表示的符號是一樣的，但是128--255這一段的解釋完全亂套了，即使2進制完全一樣，表示的字符完全不一樣，比如135在法語，希伯來語，俄語編碼中完全是不同的符號；

4、更麻煩的是，尼瑪這電腦高科技傳到中國后，中國人發(fā)現(xiàn)我們有10萬多個漢字，你們歐美這256字塞牙縫都不夠。于是就發(fā)明了GB2312這些漢字編碼，典型的用2個字節(jié)來表示絕大部分的常用漢字，最多可以表示65536個漢字字符，這樣就不難理解有些漢字你在新華字典里查得到，但是電腦上如果不處理一下你是顯示不出來的了吧。

5、這下各用各的字符集編碼，這世界咋統(tǒng)一？俄國人發(fā)封email給中國人，兩邊字符集編碼不同，尼瑪顯示都是亂碼啊。為了統(tǒng)一，于是就發(fā)明了unicode，將世界上所有的符號都納入其中，每一個符號都給予一個獨一無二的編碼，現(xiàn)在unicode可以容納100多萬個符號，每個符號的編碼都不一樣，這下可統(tǒng)一了，所有語言都可以互通，一個網(wǎng)頁頁面里可以同時顯示各國文字。

6、然而，unicode雖然統(tǒng)一了全世界字符的二進制編碼，但沒有規(guī)定如何存儲啊，親。x86和amd體系結(jié)構(gòu)的電腦小端序和大端序都分不清，別提計算機如何識別到底是unicode還是acsii了。如果Unicode統(tǒng)一規(guī)定，每個符號用三個或四個字節(jié)表示，那么每個英文字母前都必然有二到三個字節(jié)是0，文本文件的大小會因此大出二三倍，這對于存儲來說是極大的浪費。這樣導(dǎo)致一個后果：出現(xiàn)了Unicode的多種存儲方式。

7、互聯(lián)網(wǎng)的興起，網(wǎng)頁上要顯示各種字符，必須統(tǒng)一啊，親。utf-8就是Unicode最重要的實現(xiàn)方式之一。另外還有utf-16、utf-32等。UTF-8不是固定字長編碼的，而是一種變長的編碼方式。它可以使用1~4個字節(jié)表示一個符號，根據(jù)不同的符號而變化字節(jié)長度。這是種比較巧妙的設(shè)計，如果一個字節(jié)的第一位是0，則這個字節(jié)單獨就是一個字符；如果第一位是1，則連續(xù)有多少個1，就表示當(dāng)前字符占用多少個字節(jié)。

8、注意unicode的字符編碼和utf-8的存儲編碼表示是不同的，例如"嚴(yán)"字的Unicode碼是4E25，UTF-8編碼是E4B8A5，這個7里面解釋了的，UTF-8編碼不僅考慮了編碼，還考慮了存儲，E4B8A5是在存儲識別編碼的基礎(chǔ)上塞進了4E25。

9、UTF-8 使用一至四個字節(jié)為每個字符編碼。128 個 ASCII 字符（Unicode 范圍由 U 0000 至 U 007F）只需一個字節(jié)，帶有變音符號的拉丁文、希臘文、西里爾字母、亞美尼亞語、希伯來文、阿拉伯文、敘利亞文及馬爾代夫語（Unicode 范圍由 U 0080 至 U 07FF）需要二個字節(jié)，其他基本多文種平面（BMP）中的字符（CJK屬于此類-Qieqie注）使用三個字節(jié)，其他 Unicode 輔助平面的字符使用四字節(jié)編碼。

10、最后，要回答你的問題，常規(guī)來看，中文漢字在utf-8中到底占幾個字節(jié)，一般是3個字節(jié)，最常見的編碼方式是1110xxxx 10xxxxxx 10xxxxxx。

?

Unicode符號范圍 | UTF-8編碼方式

(十六進制) | （二進制）
—————————————————————–
0000 0000-0000 007F | 0xxxxxxx

0000 0080-0000 07FF | 110xxxxx 10xxxxxx

0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx

0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

跟據(jù)上表，解讀UTF-8編碼非常簡單。如果一個字節(jié)的第一位是0，則這個字節(jié)單獨就是一個字符；如果第一位是1，則連續(xù)有多少個1，就表示當(dāng)前字符占用多少個字節(jié)。下面，還是以漢字"嚴(yán)"為例，演示如何實現(xiàn)UTF-8編碼。已知"嚴(yán)"的unicode是4E25（100111000100101），根據(jù)上表，可以發(fā)現(xiàn)4E25處在第三行的范圍內(nèi)（0000 0800-0000 FFFF），因此"嚴(yán)"的UTF-8編碼需要三個字節(jié)，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，從"嚴(yán)"的最后一個二進制位開始，依次從后向前填入格式中的x，多出的位補0。這樣就得到了，"嚴(yán)"的UTF-8編碼是"11100100 10111000 10100101"，轉(zhuǎn)換成十六進制就是E4B8A5。

總結(jié)

以上是生活随笔為你收集整理的【转】utf-8的中文是一个汉字占三个字节长度的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。