搞清楚字符编码08-万国码[4](utf-8)

这篇博客介绍万国码中的实际存储编码utf-8

utf-8是什么

• utf-8是一种实际存储编码
• 它即可以存储理论编码ucs2又可以存储理论编码ucs4
• 变长存储，各个字符编码的长度可能不相同.
• 它是为了解决ucs-2中的浪费问题而产生的.

utf-8如何存储ucs2

方案

范围	方案
$0<x\le 7$	0xxxxxxx
$7<x\le 11$	110xxxxx 10xxxxxx
$11<x\le 16$	1110xxxx 10xxxxxx 10xxxxxx
$16<x\le 21$	11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
$21<x\le 26$	111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
$26<x\le 31$	1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

编码步骤

• 第一步：查找原先的ucs-2编码
  • 例如经字的ucs-2编码为01111110 11001111
• 第二步：以字节为单位去年高位的0
  • 去掉高位的0后，经字的编码变成了1111110 11001111，还剩下15位
• 第三步：把剩下的位数看作x，根据剩下的位数寻找对应的方案
  • 这里我们应该找到方案1110xxxx 10xxxxxx 10xxxxxx
• 第四步：按照"从右向左的顺序"将剩下的编码填充到方案的x上
  • 这里，要将1111110 11001111填充到1110xxxx 10xxxxxx 10xxxxxx上
  • 填充的结果应该是：1110x111 10111011 10001111
• 第五步：填充后如果还有剩下的x用0填充，得到utf-8编码
  • 1110x111 10111011 10001111中的x用0填充后得到11100111 10111011 10001111
  • 所以汉字经的utf-8编码就是11100111 10111011 10001111

utf-8如何存储ucs4

• 跟存储ucs2的情况一样，也是变长存储.

• 只不过在编码时ucs2只会用到前3种方案，ucs46种方案全会用到.