举一个例子:It's 知乎日报 你看到的unicode字符集是这样的编码表: 每一个字符对应一个十六进制数字。 计算机只懂二进制,因此,严格按照unicode的方式(UCS-2),应该这样存储: 这个字符串总共占用了18个字节,但是对比中英文的二进制码,可以发现,英文前9位都是0!浪费啊,浪费硬盘,浪费流量。 怎么办? UTF。 UTF-8是这样做的: 1. 单字节的字符,字节的第一位设为0,对于英语文本,UTF-8码只占用一个字节,和ASCII码完全相同; 2. n个字节的字符(n>1),第一个字节的前n位设为1,第n+1位设为0,后面字节的前两位都设为10,这n个字节的其余空位填充该字符unicode码,高位用0补足。 这样就形成了如下的UTF-8标记位: 0xxxxxxx 110xxxxx 10xxxxxx 1110xxxx 10xxxxxx 10xxxxxx 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx ... ... 于是,”It's 知乎日报“就变成了: 和上边的方案对比一下,英文短了,每个中文字符却多用了一个字节。但是整个字符串只用了17个字节,比上边的18个短了一点点。
作者:uuspider 链接:http://www.zhihu.com/question/23374078/answer/65352538 来源:知乎 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。 I 0049t 0074' 0027s 0073 0020知 77e5乎 4e4e日 65e5报 62a5
I 00000000 01001001t 00000000 01110100' 00000000 00100111s 00000000 01110011 00000000 00100000知 01110111 11100101乎 01001110 01001110日 01100101 11100101报 01100010 10100101
I 01001001t 01110100' 00100111s 01110011 00100000知 11100111 10011111 10100101乎 11100100 10111001 10001110日 11100110 10010111 10100101报 11100110 10001010 10100101