5.UTF-8互联网的普及,强烈要求出现一种统一的编码方式.UTF-8就是在互联网上使用最广的一种unicode的实现方式.其他实现方式还包括UTF-16和UTF-32,不过在互联网上基本不用.重复一遍,这里的关系是

Question

5.UTF-8
互联网的普及,强烈要求出现一种统一的编码方式.UTF-8就是在互联网上使用最广的一种unicode的实现方式.其他实现方式还包括UTF-16和UTF-32,不过在互联网上基本不用.重复一遍,这里的关系是,UTF-8是Unicode的实现方式之一.
UTF-8最大的一个特点,就是它是一种变长的编码方式.它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度.
UTF-8的编码规则很简单,只有二条：
1）对于单字节的符号,字节的第一位设为0,后面7位为这个符号的unicode码.因此对于英语字母,UTF-8编码和ASCII码是相同的.
2）对于n字节的符号（n>1）,第一个字节的前n位都设为1,第n+1位设为0,后面字节的前两位一律设为10.剩下的没有提及的二进制位,全部为这个符号的unicode码.
下表总结了编码规则,字母x表示可用编码的位.
Unicode符号范围 | UTF-8编码方式
(十六进制) | （二进制）
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
下面,还是以汉字“严”为例,演示如何实现UTF-8编码.
已知“严”的unicode是4E25（100111000100101）,根据上表,可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF）,因此“严”的UTF-8编码需要三个字节,即格式是“1110xxxx 10xxxxxx 10xxxxxx”.然后,从“严”的最后一个二进制位开始,依次从后向前填入格式中的x,多出的位补0.这样就得到了,“严”的UTF-8编码是“11100100 10111000 10100101”,转换成十六进制就是E4B8A5.
上面的“从“严”的最后一个二进制位开始,依次从后向前填入格式中的x,多出的位补0.

Answer 1

我看了百度中UTF8解释,才弄明白了utf8大体含义.
汉字表示utf8可能需要二字节或三字节,这与内码范围有关.
严需要三个字节,它的UTF8的格式是 1110xxxx 10xxxxxx 10xxxxxx
x字刚好16个二进位. 正好对应严的16位二进位.没有多出的位,不用补0.
原作的最后一句话,这16位二进位从格式的后面开始一一对应（即右对齐）,
UTF8正好填完,没有出现剩下的位,UTF16就可能出现不够填的情况.
“多出的位补0”这句话最好去掉,会使人搞不明白.
这种不等长码,使英文国家的文本比unicode少了一半,而我们汉字就
多了1/2,损了我们,便宜了他们.呵呵.