### **什么是 UTF-8？** UTF-8（**Unicode Transformation Format - 8-bit**）是一种 **可变长度的字符编码**，用于**兼容 [[ASCII]] 并支持全世界的所有字符**。它是目前**互联网上最常用的字符编码**。 --- ## **1. UTF-8 解决了什么问题？** **ASCII** 只能表示 **128 个字符**（英文字母、数字、基本符号），无法表示中文、日文、韩文、阿拉伯文等非拉丁字符。 为了解决这个问题，**Unicode** 标准出现了，理论上可以为**世界上所有字符分配一个唯一的数值（码点）**，但问题是： - **Unicode 直接使用 16 位或 32 位存储字符，导致文件变大**（比如 `A` 原本 ASCII 只要 1 字节，Unicode 却可能用 2 字节）。 - **与 ASCII 不兼容**，老系统和 ASCII 兼容性差。 **UTF-8 就是 Unicode 的一种编码方式，既支持所有字符，又能保证与 ASCII 兼容。** --- ## **2. UTF-8 的工作方式** UTF-8 是**可变长编码**，根据字符的不同，**使用 1~4 个字节表示**： - **ASCII 兼容性**：0~127 的 ASCII 字符只占 **1 字节**（和 ASCII 完全一样）。 - **拉丁文扩展字符（欧洲语言）**：需要 **2 字节**。 - **汉字、日文、韩文**：需要 **3 字节**。 - **特殊字符和Emoji**：可能需要 **4 字节**。 **示例：** |字符|Unicode 码点|UTF-8 编码（十六进制）|UTF-8 字节数| |---|---|---|---| |A|U+0041|`41`|1 字节| |é|U+00E9|`C3 A9`|2 字节| |中|U+4E2D|`E4 B8 AD`|3 字节| |😃|U+1F603|`F0 9F 98 83`|4 字节| --- ## **3. UTF-8 为什么重要？** ✅ **兼容 ASCII**，所有 ASCII 文件直接当作 UTF-8 读取不会出错。 ✅ **节省空间**，常见字符用 1~3 字节，而不是固定 2 或 4 字节。 ✅ **全球通用**，支持 **中文、阿拉伯文、俄文、Emoji 等所有语言**。 ✅ **成为互联网标准**，所有网页、JSON、XML 默认都使用 UTF-8。 --- ## **4. UTF-8 如何区分字符长度？** UTF-8 采用 **首字节标识长度**，然后后续字节带上 `10` 前缀： |UTF-8 字节数|编码范围|二进制格式| |---|---|---| |1 字节|0x00 - 0x7F|`0xxxxxxx`| |2 字节|0x80 - 0x7FF|`110xxxxx 10xxxxxx`| |3 字节|0x800 - 0xFFFF|`1110xxxx 10xxxxxx 10xxxxxx`| |4 字节|0x10000 - 0x10FFFF|`11110xxx 10xxxxxx 10xxxxxx 10xxxxxx`| 示例： - `A`（U+0041）：**1 字节**，`01000001` - `é`（U+00E9）：**2 字节**，`11000011 10101001` - `中`（U+4E2D）：**3 字节**，`11100100 10111000 10101101` - `😃`（U+1F603）：**4 字节**，`11110000 10011111 10011000 10000011` 这样，**解码时计算机可以判断字符是 1、2、3 还是 4 字节，无需额外标记！** --- ## **5. UTF-8 和其他编码的对比** |编码方式|字节数|兼容 ASCII|适合哪些情况| |---|---|---|---| |ASCII|1 字节|✅|仅限英语和基本符号| |UTF-8|1-4 字节|✅|适合全球所有语言，网页、数据库| |UTF-16|2-4 字节|❌|适合大量亚洲字符（但不如 UTF-8）| |UTF-32|4 字节|❌|适合极端高效的 Unicode 处理（很少用）| --- ## **6. 什么时候使用 UTF-8？** ✅ **几乎所有情况下都推荐使用 UTF-8**，除非你有特殊需求，比如： - **网页和 HTML 文件**：现代浏览器默认 UTF-8。 - **数据库（MySQL、PostgreSQL）**：存储多语言数据时，推荐 `utf8mb4`。 - **JSON / XML / CSV**：跨平台数据存储，UTF-8 最通用。 - **编程语言（Python、JavaScript、Java 等）**：字符串默认 UTF-8 编码。 --- ## **7. 总结** 1. **UTF-8 是 Unicode 的一种编码方式**，用于表示**全球所有字符**。 2. **可变长编码（1~4 字节）**： - **ASCII 兼容**（0~127 只占 1 字节）。 - **其他字符**使用 2-4 字节存储。 3. **互联网和跨平台应用最广泛的编码**，网页、API、数据库默认使用 UTF-8。 4. **节省存储空间**，比 UTF-16/UTF-32 更高效。 --- ### **简单记住 UTF-8** ✔ **兼容 ASCII**（所有 ASCII 文件就是合法的 UTF-8）。 ✔ **1~4 字节可变长编码**（节省存储空间）。 ✔ **全球通用，支持所有语言**（中文、日文、韩文、Emoji）。 ✔ **互联网标准**（网页、数据库、API 默认使用 UTF-8）。