Utf-8编码是如何工作的 （转改）
关键字: 编码<div class="blog_content">Utf-8编码是如何工作的讲起。
（JVM规范第4.4.7提了一些，O'Reilly出的Java I/O里讲的比较详细,我手里的是第一版,在第14章,Mutillingual Character Sets and Unicode)
Java用的Unicode用两个字节表示一个charater,字母A用Hex表示是00 41， B是00 42，在一个纯英文的环境里面，直接存成Unicode的文件一半都是由零组成的，浪费资源。Utf-8的主要目的是对ASCII表格头128个字母优化，牺牲的是对中文字符的存储。
头128个字节(0到127），可以用七个bit来表示，x6 x5 x4 x3 x2 x1 x0.第八个bit 7x 永远是0
例子，A, 用Hex表示是00 41，去掉开头的零字节是Hex 41，转成二进制是 0100 0001。XP带的计算器可以在Hex和Binary
之间转换，自己试试。
第128(十进制)到2047个字节，要用10个bit来表示
0 0 0 0 0 x10 x9 x8
x7 x6 x5 x4 x3 x2 x1 x0
Utf-8就把这些字节编成下面这样的两个byte
1 1 0 x10 x9 x8 x7 x6
1 0 x5 x4 x3 x2 x1 x0
第2048(十进制)到65535个字节，要用16个bit来表示，Utf-8把这些字节编成下面这样的三个byte
1 1 1 0 x15 x14 x13 x12
1 0 x11 x10 x9 x8 x7 x6
1 0 x5 x4 x3 x2 x1 x0
读一个Utf-8编码的array，如果第一个byte的高位是1110，那么要连读下面两个以 10 开头的byte。如果一个byte的高位是110，那么要连读下面一个以 10 开头的byte。
如果一个byte的高位是0，那么这个byte就是一个字符了。
页:
[1]