在線UTF-8編碼解碼

全屏

工具簡(jiǎn)介

在線UTF-8編碼解碼工具

UTF-8簡(jiǎn)介

UTF-8是一種針對(duì)Unicode的可變長(zhǎng)度字符編碼，又稱萬(wàn)國(guó)碼。

UTF-8用1到6個(gè)字節(jié)編碼UNICODE字符。

UTF-8編碼規(guī)則

如果只有一個(gè)字節(jié)則其最高二進(jìn)制位為0；

如果是多字節(jié)，其第一個(gè)字節(jié)從最高位開始，連續(xù)的二進(jìn)制位值為1的個(gè)數(shù)決定了其編碼的字節(jié)數(shù)，其余各字節(jié)均以10開頭。

UTF-8轉(zhuǎn)換表表示如下：
Unicode/UCS-4	bit數(shù)	UTF-8	byte數(shù)	備注
0000~ 007F	0~7	0XXX XXXX	1
0080~ 07FF	8~11	110X XXXX 10XX XXXX	2
0800~ FFFF	12~16	1110XXXX 10XX XXXX 10XX XXXX	3	基本定義范圍：0~FFFF
1 0000~ 1F FFFF	17~21	1111 0XXX 10XX XXXX 10XX XXXX 10XX XXXX	4	Unicode6.1定義范圍：0~10 FFFF
20 0000~ 3FF FFFF	22~26	1111 10XX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	5	說(shuō)明：此非unicode編碼范圍，屬于UCS-4編碼早期的規(guī)范UTF-8可以到達(dá)6字節(jié)序列，可以覆蓋到31位元（通用字符集原來(lái)的極限）。盡管如此，2003年11月UTF-8被RFC 3629重新規(guī)范，只能使用原來(lái)Unicode定義的區(qū)域，U+0000到U+10FFFF。根據(jù)規(guī)范，這些字節(jié)值將無(wú)法出現(xiàn)在合法UTF-8序列中
400 0000~ 7FFF FFFF	27~31	1111 110X 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX 10XX XXXX	6

UTF-8優(yōu)點(diǎn)

UTF-8編碼可以通過(guò)屏蔽位和移位操作快速讀寫。字符串比較時(shí)strcmp()和wcscmp()的返回結(jié)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(yuǎn)不會(huì)出現(xiàn)，因此他們可以用來(lái)表明UTF-16或UTF-32文本（見BOM） UTF-8 是字節(jié)順序無(wú)關(guān)的。它的字節(jié)順序在所有系統(tǒng)中都是一樣的，因此它實(shí)際上并不需要BOM。

UTF-8缺點(diǎn)

你無(wú)法從UNICODE字符數(shù)判斷出UTF-8文本的字節(jié)數(shù)，因?yàn)閁TF-8是一種變長(zhǎng)編碼它需要用2個(gè)字節(jié)編碼那些用擴(kuò)展ASCII字符集只需1個(gè)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(huì)被email網(wǎng)關(guān)過(guò)濾，因?yàn)閕nternet信息最初設(shè)計(jì)為7位ASCII碼。因此產(chǎn)生了UTF-7編碼。 UTF-8 在它的表示中使用值100xxxxx的幾率超過(guò)50%，而現(xiàn)存的實(shí)現(xiàn)如ISO 2022， 4873， 6429，和8859系統(tǒng)，會(huì)把它錯(cuò)認(rèn)為是C1 控制碼。因此產(chǎn)生了UTF-7.5編碼。