Unicode 与UTF-8 关系
2017-07-31 14:13
169 查看
作者:邱昊宇
链接:https://www.zhihu.com/question/23374078/answer/24385963
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
简单来说:
Unicode 是「字符集」
UTF-8 是「编码规则」
其中:
字符集:为每一个「字符」分配一个唯一的 ID(学名为码位 / 码点 / Code Point)
编码规则:将「码位」转换为字节序列的规则(编码/解码 可以理解为 加密/解密 的过程)
广义的 Unicode 是一个标准,定义了一个字符集以及一系列的编码规则,即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码……
Unicode 字符集为每一个字符分配一个码位,例如「知」的码位是 30693,记作 U+77E5(30693 的十六进制为 0x77E5)。
UTF-8 顾名思义,是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节:
根据上表中的编码规则,之前的「知」字的码位 U+77E5 属于第三行的范围:
这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。
链接:https://www.zhihu.com/question/23374078/answer/24385963
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
简单来说:
Unicode 是「字符集」
UTF-8 是「编码规则」
其中:
字符集:为每一个「字符」分配一个唯一的 ID(学名为码位 / 码点 / Code Point)
编码规则:将「码位」转换为字节序列的规则(编码/解码 可以理解为 加密/解密 的过程)
广义的 Unicode 是一个标准,定义了一个字符集以及一系列的编码规则,即 Unicode 字符集和 UTF-8、UTF-16、UTF-32 等等编码……
Unicode 字符集为每一个字符分配一个码位,例如「知」的码位是 30693,记作 U+77E5(30693 的十六进制为 0x77E5)。
UTF-8 顾名思义,是一套以 8 位为一个编码单位的可变长编码。会将一个码位编码为 1 到 4 个字节:
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
根据上表中的编码规则,之前的「知」字的码位 U+77E5 属于第三行的范围:
7 7 E 5 0111 0111 1110 0101 二进制的 77E5 -------------------------- 0111 011111 100101 二进制的 77E5 1110XXXX 10XXXXXX 10XXXXXX 模版(上表第三行) 11100111 10011111 10100101 代入模版 E 7 9 F A 5
这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。
相关文章推荐
- Unicode与UTF-8之间转换关系
- ASCII,Unicode和UTF-8之间的关系
- Unicode和UTF-8的关系
- ASCII,Unicode,UTF-8的区别和关系
- java中的char中unicode和utf的关系
- Unicode、UCS、UTF-8、UTF-16、UTF-32 的关系
- Unicode和UTF-8之间的关系
- java基础之unicode和utf-8和assci之间的关系
- ASCII、GBK、unicode、utf-8、iso-8859-1等编码的发展史和相互关系
- Unicode和UTF-8的关系
- Unicode和UTF-8的关系
- UTF-8与UNICODE的关系及代码转换
- ASCII,Unicode,UTF-8,GB2312编码之间的关系
- Unicode和UTF-8的关系
- Unicode和UTF-8的关系
- Unicode与UTF-8的关系
- Unicode和UTF-8的关系及扩展知识
- UTF-8 GBK UTF8 GB2312 Unicode 之间的区别和关系
- 简述 ascii、unicode、utf-8、gbk 的关系
- Unicode和UTF-8的关系