UTF-8输出格式说明：返回结果与格式选项

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。下面重点说明返回结果与格式选项。

UTF-8输出格式说明

encode 返回字节序列；decode 返回字符串。非法字节在 strict 模式下抛出异常，在 replace 模式下变成 U+FFFD（�）。

常见参数：是否写入 BOM、遇到非法字节的处理方式（Python errors="strict"/"replace"/"ignore"）、MySQL 的字符集与排序规则（utf8mb4_general_ci、utf8mb4_0900_ai_ci）。

示例

输入：<b>粗体</b>

编码结果：3C 62 3E E7 B2 97 E4 BD 93 3C 2F 62 3E

说明：按 UTF-8 共 13 字节。

Python 示例

下面是 Python 中处理UTF-8的常用写法：

"中".encode("utf-8")              # b'\xe4\xb8\xad'
b"\xe4\xb8\xad".decode("utf-8")   # '中'
len("123问".encode("utf-8"))      # 6
open("a.txt", encoding="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。

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

【“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。

【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。

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