UTF-8解码方法：还原步骤与常见错误

UTF-8 是 Unicode 最常用的存储编码，用 1–4 个字节表示一个字符：ASCII 字符 1 字节，拉丁字母扩展 2 字节，常用汉字 3 字节，emoji 等 4 字节。下面重点说明还原步骤与常见错误。

UTF-8解码方法

解码方向：读首字节判断长度 → 取后续 10xxxxxx 字节 → 拼出码点 → 字符。

• MySQL 的 utf8 实际是 3 字节的 utf8mb3，存 emoji 会报错，应使用 utf8mb4
• Windows 记事本旧版本保存的“UTF-8”带 BOM，可能导致 PHP 输出多余字符、shell 脚本报错

示例

输入：2026-11-11

编码结果：32 30 32 36 2D 31 31 2D 31 31

说明：按 UTF-8 共 10 字节。

与相关技术的区别

UTF-8 与 GBK：UTF-8 覆盖全部 Unicode，汉字 3 字节；GBK 只覆盖简繁汉字和部分符号，汉字 2 字节，但不能表示 emoji 和多数外文。UTF-8 与 UTF-16：UTF-16 中 BMP 字符 2 字节，适合内存中处理（Java、JavaScript、Windows 内部），但不兼容 ASCII。

Java 示例

下面是 Java 中处理UTF-8的常用写法：

byte[] b = "中".getBytes(StandardCharsets.UTF_8);   // [-28, -72, -83]
String s = new String(b, StandardCharsets.UTF_8);

运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。

本站的字符编码检测工具可以直接处理，计算在浏览器本地完成，适合快速核对结果。

常见问题

【UTF-8 能表示所有汉字吗？】能，包括所有 CJK 扩展区汉字。

【一个汉字在 UTF-8 中占几个字节？】常用汉字 3 个字节；扩展 B 区及以后的生僻字 4 个字节。

【UTF-8 和 utf8mb4 有什么区别？】utf8mb4 是 MySQL 中真正完整的 UTF-8；MySQL 的 utf8 最多 3 字节，不能存 emoji。

文中示例可以在本站对应工具中验证；处理密码、证件号等敏感数据时，请注意保护隐私。

标签： 解码 文本处理