Java中的UTF-8

UTF-8 修改版

DataInput 和 DataOutput 接口的实现表示稍微改版的 UTF-8 格式的 Unicode 字符串。（关于标准 UTF-8 格式的信息，请参阅 The Unicode Standard, Version 4.0 的 3.9 Unicode Encoding Forms 小节）。注意，在下表中，最高有效位显示在最左边的列中。

'/u0001' 到 '/u007F' 范围内的所有字符由单个字节表示：

	位值
字节 1	0 位 6-0

null 字符 '/u0000' 和 '/u0080' 到 '/u07FF' 范围内的字符由一对字节表示：

	位值
字节 1	1 1 0 位 10-6
字节 2	1 0 位 5-0

'/u0800' 到 '/uFFFF' 范围内的 char 值由三个字节表示：

	位值
字节 1	1 1 1 0 位 15-12
字节 2	1 0 位 11-6
字节 3	1 0 位 5-0

这种格式与标准 UTF-8 格式之间的不同如下：

• null 字节 '/u0000' 是用 2-byte 格式而不是 1-byte 格式编码的，因此已编码的字符串中决不会有嵌入的 null。
• 仅使用 1-byte、2-byte 和 3-byte 格式。
• 增补字符是以代理项对的形式表示的。

 

 

从以下版本开始：

JDK1.0

另请参见：

DataInputStream, DataOutput