关于“为何Unicode中文字符占取2个字节，而 UTF-8却占3个字节”的网络解释修正

Posted 2021-01-30 crazylqy

https://www.cnblogs.com/deepblue775737449/p/7604738.html

 

学到编码时，有个疑问——好好的占2字节的Unicode不用，却要用占3字节的UTF-8编码。发明 UTF-8的初衷不就是为了修正Unicode中任何字符至少占用2个字节的弊端吗？

虽然UTF-8英文字符占空间减少了（由Unicode中的16位动态缩减为与ASCⅡ一致的8位），但你在中文字符这部分增为3字节=24位，减少的空间一下子又没了。

查了一些博客文，发觉都是互抄的，错误低级到可笑。。。学点东西咋这难呢，实体媒体要防范盗版书，数字媒体还要防范“不走脑子的copy”

幸好，高大上的知乎有人手打文字答疑。我写点自己的解释。。。

Unicode符号范围        |   UTF-8编码方式

(十六进制)             | （二进制）       #Unicode部分为16进制编码， UTF-8编码为2进制

—————————————————————–————————————–
0000-0000 007F   | 0xxxxxxx      #UTF-8规定，若1字符=1字节，首位须为‘0’
0080-0000 07FF   | 110xxxxx 10xxxxxx  #UTF-8规定，若1字符=2字节，高位字节前3位为‘110’，低位前2位为‘10’
0800-0000 FFFF   | 1110xxxx 10xxxxxx 10xxxxxx  #UTF-8规定，若1字符=3字节，高位字节前3位为‘110’，后面低位前2位一律为‘10’。（占4,5字节字符规则以此类推）

 

由于utf-8规则天然占用字节前几位，若与Unicode同样用2字节16位表示一个中文字符，则utf-8除去规则占用，只剩余16-5=11位，无法。

那么看下面“1字符=3字节” 这段，除去规则占用，还剩余8x3-8=16位，恰好符合16位=1中文字符这一Unicode规则。