UTF-8长度怎么计算：长度与体积的估算公式

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。下面重点说明长度与体积的估算公式。

UTF-8长度怎么计算

字节数 = 各字符字节数之和：ASCII 1、常用汉字 3、emoji 4。“123问”= 3 × 1 + 3 = 6 字节；“你好，世界”5 个字符都是 3 字节（全角逗号也是），共 15 字节。数据库 VARCHAR(n) 在 MySQL utf8mb4 中按字符计，但索引长度限制按字节计。

示例

输入：user@example.com

编码结果：75 73 65 72 40 65 78 61 6D 70 6C 65 2E 63 6F 6D

说明：按 UTF-8 共 16 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。

常见报错

• UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd6：文件实际是 GBK
• Incorrect string value: '\xF0\x9F\x98\x80'（MySQL）：字段是 utf8，改为 utf8mb4
• 页面显示“锟斤拷”：GBK 与 UTF-8 来回错误转换，替换字符 EF BF BD 被按 GBK 显示
• PHP 输出前多了空白：文件带 BOM

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 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。

【什么是 BOM？】文件开头的 EF BB BF 三个字节，用来标记 UTF-8。网页和脚本文件建议不加。

【“中文”是什么乱码？】UTF-8 编码的“中文”被按 Latin-1/Windows-1252 解读的结果。

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： 文本处理