Question

如何将可变长度的UTF-8编码字节解码/转换为unicode字符？

Answer 1

值高于127（二进制01111111，7f十六进制）的每个字节都是多字节字符的一部分。

因此，如果第一位为0，则完成 - 单字节字符。如果不是，这是一个延续字节 - 字节中的位也决定了该字符中有多少字节（技术上最多可以有6个字节的字符，但UTF-8仅定义为1-4字节字符）。

有关历史记录和更详细的说明，请参阅我们的无畏领袖的文章;）The Absolute Minimum Every Software Developer Absolutely, Positively Must Know About Unicode and Character Sets (No Excuses!)或this wikipedia article on UTF-8（有关有效/无效字节组合的更多技术细节）

Answer 2

我认为这是here

Answer 3

UTF-8 是 Unicode，因此没有翻译。如果您的意思是“当我显示Unicode字符串时，如何在屏幕上看到非ASCII字符”，则需要确保安装了支持Unicode的字体。在使用中。

我公司正在使用this字体。

Answer 4

它是@Piskvor describes。

编码/解码UTF-8的算法在RFC 3629中描述。

下表（32位）Unicode代码点到字节序列的范围来自该文档：

Char. number range  |        UTF-8 octet sequence
   (hexadecimal)    |              (binary)
--------------------+---------------------------------------------
0000 0000-0000 007F | 0xxxxxxx
0000 0080-0000 07FF | 110xxxxx 10xxxxxx
0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

关于unicode翻译的问题

4 个答案: