什么是 UTF-8 字符编码？

UTF-8是一种可变长度的字符编码方法，它使用1到4个字节来表示一个字符，具体长度取决于字符的Unicode代码点。对于中文字符（包括简体和繁体），在UTF-8编码中通常占用3个字节。

UTF-8编码的设计旨在优化英文字符的存储（每个英文字符占用1个字节），同时提供足够的编码空间来表示全球所有语言的字符，包括中文。因此，它在兼容ASCII码的同时，也能有效支持多语言文本的处理和显示。

UTF-8编码的特点

• 对于代码点U+0000到U+007F（基本的ASCII字符集），每个字符占用1个字节。
• 对于代码点U+0080到U+07FF（包括拉丁字母补充、希腊字母等），每个字符占用2个字节。
• 对于代码点U+0800到U+FFFF（包括大多数活字表的字符，如中文、日文、韩文），每个字符占用3个字节。
• 对于代码点U+10000到U+10FFFF（包括少数语言和符号扩展，以及表情符号等），每个字符占用4个字节。

示例

• 英文字符A（U+0041）在UTF-8中占用1个字节。
• 欧洲字符ñ（U+00F1）在UTF-8中占用2个字节。
• 中文字符中（U+4E2D）在UTF-8中占用3个字节。
• 一个表情符号😀（U+1F600）在UTF-8中占用4个字节。

UTF-8的这种可变长度特性使其非常适用于国际化的环境，能够有效地处理各种语言的文本数据，同时优化存储空间和传输效率。