想變大佬的小孟砸

1、UTF-32 

先來(lái)看簡(jiǎn)單的 UTF-32 

這個(gè)就是字符所對(duì)應(yīng)編號(hào)的整數(shù)二進(jìn)制形式，四個(gè)字節(jié)。這個(gè)就是直接轉(zhuǎn)換。 比如馬的 Unicode 為：U+9A6C，那么直接轉(zhuǎn)化為二進(jìn)制，它的表示就為：1001 1010 0110 1100。

這里需要說(shuō)明的是，轉(zhuǎn)換成二進(jìn)制后計(jì)算機(jī)存儲(chǔ)的問(wèn)題，我們知道，計(jì)算機(jī)在存儲(chǔ)器中排列字節(jié)有兩種方式：大端法和小端法，大端法就是將高位字節(jié)放到底地址處，比如 0x1234, 計(jì)算機(jī)用兩個(gè)字節(jié)存儲(chǔ)，一個(gè)是高位字節(jié) 0x12,一個(gè)是低位字節(jié) 0x34，它的存儲(chǔ)方式為下：

UTF-32 用四個(gè)字節(jié)表示，處理單元為四個(gè)字節(jié)（一次拿到四個(gè)字節(jié)進(jìn)行處理），如果不分大小端的話，那么就會(huì)出現(xiàn)解讀錯(cuò)誤，比如我們一次要處理四個(gè)字節(jié) 12 34 56 78，這四個(gè)字節(jié)是表示 0x12 34 56 78 還是表示 0x78 56 34 12？不同的解釋最終表示的值不一樣。

我們可以根據(jù)他們高低字節(jié)的存儲(chǔ)位置來(lái)判斷他們所代表的含義，所以在編碼方式中有 UTF-32BE 和 UTF-32LE，分別對(duì)應(yīng)大端和小端，來(lái)正確地解釋多個(gè)字節(jié)（這里是四個(gè)字節(jié)）的含義。

2、UTF-16 

UTF-16 使用變長(zhǎng)字節(jié)表示 

① 對(duì)于編號(hào)在 U+0000 到 U+FFFF 的字符（常用字符集），直接用兩個(gè)字節(jié)表示。 
② 編號(hào)在 U+10000 到 U+10FFFF 之間的字符，需要用四個(gè)字節(jié)表示。

同樣，UTF-16 也有字節(jié)的順序問(wèn)題（大小端），所以就有 UTF-16BE 表示大端，UTF-16LE 表示小端。

3、UTF-8 

UTF-8 就是使用變長(zhǎng)字節(jié)表示,顧名思義，就是使用的字節(jié)數(shù)可變，這個(gè)變化是根據(jù) Unicode 編號(hào)的大小有關(guān)，編號(hào)小的使用的字節(jié)就少，編號(hào)大的使用的字節(jié)就多。使用的字節(jié)個(gè)數(shù)從 1 到 4 個(gè)不等。

UTF-8 的編碼規(guī)則是：

① 對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為 0，后面的7位為這個(gè)符號(hào)的 Unicode 碼，因此對(duì)于英文字母，UTF-8 編碼和 ASCII 碼是相同的。 

② 對(duì)于n字節(jié)的符號(hào)（n>1）,第一個(gè)字節(jié)的前 n 位都設(shè)為 1，第 n+1 位設(shè)為 0，后面字節(jié)的前兩位一律設(shè)為 10，剩下的沒(méi)有提及的二進(jìn)制位，全部為這個(gè)符號(hào)的 Unicode 碼 。

舉個(gè)例子：比如說(shuō)一個(gè)字符的 Unicode 編碼是 130，顯然按照 UTF-8 的規(guī)則一個(gè)字節(jié)是表示不了它（因?yàn)槿绻且粋€(gè)字節(jié)的話前面的一位必須是 0），所以需要兩個(gè)字節(jié)(n = 2)。

根據(jù)規(guī)則，第一個(gè)字節(jié)的前 2 位都設(shè)為 1，第 3(2+1) 位設(shè)為 0，則第一個(gè)字節(jié)為：110X XXXX，后面字節(jié)的前兩位一律設(shè)為 10，后面只剩下一個(gè)字節(jié)，所以后面的字節(jié)為：10XX XXXX。

所以它的格式為 110XXXXX 10XXXXXX 。

下面我們來(lái)具體看看具體的 Unicode 編號(hào)范圍與對(duì)應(yīng)的 UTF-8 二進(jìn)制格式 

那么對(duì)于一個(gè)具體的 Unicode 編號(hào)，具體怎么進(jìn)行 UTF-8 的編碼呢？

首先找到該 Unicode 編號(hào)所在的編號(hào)范圍，進(jìn)而可以找到與之對(duì)應(yīng)的二進(jìn)制格式，然后將該 Unicode 編號(hào)轉(zhuǎn)化為二進(jìn)制數(shù)（去掉高位的 0），最后將該二進(jìn)制數(shù)從右向左依次填入二進(jìn)制格式的 X 中，如果還有 X 未填，則設(shè)為 0 。

比如：“馬”的 Unicode 編號(hào)是：0x9A6C，整數(shù)編號(hào)是 39532，對(duì)應(yīng)第三個(gè)范圍（2048 - 65535），其格式為：1110XXXX 10XXXXXX 10XXXXXX，39532 對(duì)應(yīng)的二進(jìn)制是 1001 1010 0110 1100，將二進(jìn)制填入進(jìn)入就為： 

11101001 10101001 10101100 。

由于 UTF-8 的處理單元為一個(gè)字節(jié)（也就是一次處理一個(gè)字節(jié)），所以處理器在處理的時(shí)候就不需要考慮這一個(gè)字節(jié)的存儲(chǔ)是在高位還是在低位，直接拿到這個(gè)字節(jié)進(jìn)行處理就行了，因?yàn)榇笮《耸轻槍?duì)大于一個(gè)字節(jié)的數(shù)的存儲(chǔ)問(wèn)題而言的。

綜上所述，UTF-8、UTF-16、UTF-32 都是 Unicode 的一種實(shí)現(xiàn)。

原鏈接：https://blog.csdn.net/zhusongziye/article/details/84261211