UTF-8是一种编码,解码的算法,将编码转为2进制的数据。
Unicode是一种字符集用于把字符映射到编码。
Eg. Hello -> (Unicode) 104 101 108 108 111
->(UTF-8) 1101000 1100101 1101100 1101100 1101111
UTF-8 is an encoding used to translate numbers into binary data.
Unicode is a character set used to translate characters into numbers.
UTF-8:
1 byte: Standard ASCII
2 bytes: Arabic, Hebrew, most European scripts (most notably excluding Georgian)
3 bytes: BMP(不包括一些古老的符号,一些中日韩字符)
4 bytes: All Unicode characters
它对英文使用8位(即一个字节),中文使用24为(三个字节)来编码。
GBK:
不论中、英文字符均使用双字节来表示,为了区分中文,将其最高位都设定成1。
UTF-16:
2 bytes: BMP
4 bytes: All Unicode characters