如何UTF-8“变长编码”的工作？如何UTF-8“变长编码”的工作？(How does UTF-8

Unicode标准中有你需要4个字节来存储他们所有足够的代码点。这就是UTF-32编码做什么。然而，UTF-8编码以某种方式通过使用一种叫“变长编码”挤压到这些更小的空间。

事实上，它管理的表示只是一个字节，其长相酷似真正的ASCII US-ASCII的第127个字符，这样你就可以解释很多ASCII文本的，好像它是UTF-8没有做任何事情来的。绝招。那么它是怎样工作的？

我要问，在这里回答我的问题，因为我只是做了一点阅读的数字出来，我想这可能挽救别人一些时间。另外，也许有人可以纠正我，如果我已经有了一些的理解错了。

Answer 1:

每个字节的几个位，告诉你它是否是一个单字节码点，多字节代码点，或者多字节码点的继续开始。像这样：

0xxx xxxx    A single-byte US-ASCII code (from the first 127 characters)

多字节码点各有几个位，基本上说的开始：“嘿，你还需要读取下一个字节（或两个或三个），以弄清楚我是什么。” 他们是：

110x xxxx    One more byte follows
1110 xxxx    Two more bytes follow
1111 0xxx    Three more bytes follow

最后，遵循这些起始码所有的字节是这样的：

10xx xxxx    A continuation of one of the multi-byte characters

既然你可以告诉你看，从最初的几个位什么样的字节，那么即使得到的东西错位的地方，你不会失去整个序列。

RFC3629 - UTF-8，ISO 10646的转换格式是这里的最终决定权，并拥有所有的解释。

在的每个字节短，几个比特UTF-8编码的1至4字节的序列代表单个字符被用来表示它是否是一个尾随字节，一个前导字节，如果是，有多少字节跟随。剩余位包含有效载荷。

UTF-8使用8个字节存储您的Unicode代码点，那些神奇的U +数字串，在内存中的其他系统。在UTF-8，从0-127每个代码点存储在一个字节。只有代码点128和上述使用2个，3个，实际上，最多6个字节被存储。

摘自绝对最低每一个软件开发人员绝对，积极必须知道的关于Unicode和字符集（没有借口！）

文章来源: How does UTF-8 “variable-width encoding” work?