在Unicode站点上写道，UTF-8可以用1-4个字节表示。据我所知，https://softwareengineering.stackexchange.com/questions/77758/why-are-there-multiple-unicode-encodings UTF-8是一个8位编码。 那么，真相是什么？ 如果它是8位编码，那么ASCII和UTF-8之间有什么区别？ 如果不是，那为什么它被称为UTF-8，为什么我们需要UTF-16和其他人如果他们占用相同的内存？
答案 0 :(得分：15)
摘自上文：
因而发明了UTF-8的精彩概念。 UTF-8是另一个系统，用于在内存中使用8位字节存储您的Unicode代码点串，即那些神奇的U +号。在UTF-8中，0-127的每个代码点都存储在一个字节中。仅使用2,3存储代码点128及以上，实际上最多6个字节。 这有一个很好的副作用，英文文本在UTF-8中与在ASCII中看起来完全相同，因此美国人甚至没有注意到任何错误。只有世界其他地方必须跳过篮球。具体来说，Hello，即U + 0048 U + 0065 U + 006C U + 006C U + 006F，将被存储为48 65 6C 6C 6F，不料！与存储在ASCII，ANSI和行星上的每个OEM字符集中的相同。现在，如果你如此大胆地使用重音字母或希腊字母或克林贡字母，你将不得不使用几个字节来存储单个代码点，但美国人永远不会注意到。 （UTF-8还有一个很好的属性，即无知的旧字符串处理代码，想要使用单个0字节，因为空终止符不会截断字符串）。到目前为止，我已经告诉过你三种Unicode编码方式。传统的两字节存储方法称为UCS-2（因为它有两个字节）或UTF-16（因为它有16位），你还需要弄清楚它是否是高端UCS- 2或低端UCS-2。还有流行的新UTF-8标准，如果您有英语文本和脑死亡程序的完美巧合，并且完全没有意识到除了ASCII之外还有其他任何东西，那么它具有良好的性能，也很有效。
实际上还有很多其他的Unicode编码方式。有一种称为UTF-7的东西，它很像UTF-8，但保证高位总是为零，所以如果你必须通过某种严厉的警察状态电子邮件系统传递Unicode，认为7位是相当的够了，谢谢你仍然可以毫发无伤。有UCS-4，它以4个字节存储每个代码点，它具有很好的属性，每个代码点可以以相同的字节数存储，但是，即使是德克萨斯人也不会那么大胆浪费那么多记忆。
事实上，现在你正在考虑用Unicode代码点表示的柏拉图理想字母，这些unicode代码点也可以用任何旧式编码方案编码！例如，您可以使用ASCII编码Hello（U + 0048 U + 0065 U + 006C U + 006C U + 006F）的Unicode字符串，或旧的OEM希腊语编码，或希伯来语ANSI编码，或几百种编码中的任何一种编码到目前为止已经发明了，只有一个问题：一些字母可能不会出现！如果您尝试在编码中尝试表示的Unicode代码点没有等价物，那么通常会得到一个小问号：？或者，如果你真的很好，一个盒子。你得到了什么？ - ＆GT;
有数百种传统编码只能正确存储一些代码点，并将所有其他代码点更改为问号。一些流行的英文文本编码是Windows-1252（西欧语言的Windows 9x标准）和ISO-8859-1，也称为Latin-1（对任何西欧语言都有用）。但是试着在这些编码中存储俄语或希伯来语字母，你会得到一堆问号。 UTF 7,8,16和32都具有能够正确存储任何代码点的良好属性。
答案 1 :(得分：12)
'8位'编码意味着编码的各个字节使用8位。相反，纯ASCII是7位编码，因为它只有代码点0-127。过去，软件在8位编码方面存在问题; Base-64和uuencode编码的原因之一是通过不处理8位编码的电子邮件系统获取二进制数据。然而，它已经持续了十年或更长时间，因为它不再是一个问题 - 软件必须是8位清理，或者能够处理8位编码。
Unicode本身是一个21位字符集。它有很多编码：
因此，“UTF-8可以用1-4个字节表示”可能不是最恰当的表达方式。 “Unicode代码点可以用UTF-8中的1-4个字节表示”更合适。
答案 2 :(得分：11)
UTF-8是一个8位可变宽度编码。 Unicode中的前128个字符，当用UTF-8编码表示时，表示为ASCII中的字符。
为了进一步理解这一点，Unicode将字符视为代码点 - 仅仅可以用多种方式表示的数字（编码）。 UTF-8就是这样一种编码。它是最常用的，因为它在所有编码中提供了最佳的空间消耗特性。如果以UTF-8编码存储ASCII字符集中的字符，则UTF-8编码数据将占用相同的空间量。这允许以前使用ASCII的应用程序无缝地移动（好吧，不一定，但肯定不会产生像Y2K这样的东西）到Unicode，因为字符表示是相同的。
我将在RFC 3629中提供有关UTF-8编码如何工作的摘录：
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
你会注意到为什么编码会导致字符占用1到4个字节（右边的列），用于Unicode（左栏）中不同的字符范围。
UTF-16，UTF-32，UCS-2等将采用不同的编码方案，其中代码点表示为16位或32位代码，而不是UTF-8的8位代码。