Unicode的知识积累

・ 对应Unicode，UTF-8的编码可参考如下：

    普通英文占一个字节 格式是 0xxxxxxx 
    两个字节 格式是  110xxxxx 10xxxxxx 
    三个字节格式是   1110xxxx 10xxxxxx 10xxxxxx 
    四个字节格式是   11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
    如果一个完整的字是N个字节,那么首字节就有N个1加上0 , 后面的是数据区. 
    从第二个字节开始,前两个是10固定格式的,用于错误校验.后面的6位才是有用的.

    看个例子：以全角的逗号"，"为例

    （1）， 其Unicode是：FF0C(H)，即：1111 1111 0000 1100(B)有人会问，怎么获

            得这个值呢？有很多方法，我推荐可以用 “ 开始 → 运行 → 输入“charmap” ”，

            打开"字符映射表"，在其中进行查询即可。

    （2）， 好了，在用Java环境中，用以下语句获得其UTF-8的值：

 

    String str = "，";

    byte[] byteArr = str.getBytes(); //Java环境中默认的就是UTF-8编码，注意不是Web环境

    for(byte by : byteArr) {

       System.out.print(String.format("%X", by) + "\t");

    }

 

    其结果就是：EF        BC        8C，即： 1110 1111 1011 1100 1000 1100(B)

    我将校验区都标上了红色，我们关心的是数据区，再整理一下看看，又成了 1111 1111 0000 1100(B)，

    即：FF0C(H)，同上面所得到的Unicode值相同了。