UTF-8、UTF-16、UTF-32的区别_utf16 utf32 区别-优快云博客

本文详细介绍了UTF编码的不同形式，包括UTF-8、UTF-16和UTF-32，并解释了它们如何将Unicode字符编码为程序数据。此外，还讨论了UTF-8编码规则及其特点。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

UTF是“Unicode Transformation Format”的缩写，可以翻译成Unicode字符集转换格式，即怎样将Unicode定义的数字转换成程序数据。Unicode（统一码、万国码、单一码）是计算机科学领域里的一项业界标准,包括字符集、编码方案等。Unicode 是为了解决传统的字符编码方案的局限而产生的，它为每种语言中的每个字符设定了统一并且唯一的二进制编码，以满足跨语言、跨平台进行文本转换、处理的要求.

UTF-8以字节为单位对Unicode进行编码。

UTF-16以两个字节为单位对Unicode进行编码。

UTF-32以字节为四个单位对Unicode进行编码。

例如，“汉字”对应的数字是0x6c49和0x5b57，而编码的程序数据是：

      char      
      data_utf8[]={0xE6,0xB1,0x89,0xE5,0xAD,0x97};
      //UTF-8编码
     

      char16_t 
      data_utf16[]={0x6C49,0x5B57};        
      //UTF-16编码
     

      char32_t 
      data_utf32[]={0x00006C49,0x00005B57};
      //UTF-32编码
     

这里用char、char16_t、char32_t分别表示无符号8位整数，无符号16位整数和无符号32位整数。UTF-8、UTF-16、UTF-32分别以char、char16_t、char32_t作为编码单位。（注： char16_t 和 char32_t 是 C++ 11 标准新增的关键字。如果你的编译器不支持 C++ 11 标准，请改用 unsigned short 和 unsigned long。）“汉字”的UTF-8编码需要6个字节。“汉字”的UTF-16编码需要两个char16_t，大小是4个字节。“汉字”的UTF-32编码需要两个char32_t，大小是8个字节。根据字节序的不同，UTF-16可以被实现为UTF-16LE或UTF-16BE，UTF-32可以被实现为UTF-32LE或UTF-32BE。

使用最多的就是UTF-8了

Unicode编码(十六进制)	UTF-8 字节流(二进制)
000000-00007F	0xxxxxxx
000080-0007FF	110xxxxx 10xxxxxx
000800-00FFFF	1110xxxx 10xxxxxx 10xxxxxx
010000-10FFFF	11110xxx10xxxxxx10xxxxxx10xxxxxx

UTF-8的特点是对不同范围的字符使用不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与ASCII编码完全相同。UTF-8编码的最大长度是6个字节。如果UNICODE字符由2个字节表示，则编码成UTF-8很可能需要3个字节。而如果UNICODE字符由4个字节表示，则编码成UTF-8可能需要6个字节。用4个或6个字节去编码一个UNICODE字符可能太多了，但很少会遇到那样的UNICODE字符。
UTF-8编码规则：如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头.

参考百度百度百科:http://baike.baidu.com/link?url=Fqul4n_k6HN72Eke4x0HzrsK27EAeOORjUFWeN5nZWgWuDlX5suck2CwodZd5bLt1aq-73lvtTTDY1TLsLkjs_