UTF-8怎么校验：判断结果是否正确的方法

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。下面重点说明判断结果是否正确的方法。

UTF-8怎么校验

校验是否为合法 UTF-8：Python 尝试 decode("utf-8")，Go 用 utf8.Valid，命令行用 iconv -f UTF-8 -t UTF-8 file > /dev/null，报错即说明有非法字节。

示例

输入：abc

编码结果：61 62 63

说明：按 UTF-8 共 3 字节。

常见用途

• 网页、HTML、CSS、JavaScript 文件
• JSON 和绝大多数 Web API
• Linux/macOS 文件名和终端
• 数据库存储（MySQL 应使用 utf8mb4）
• 源代码文件

中文的处理

常用汉字在 UTF-8 中都是 3 字节，首字节在 E4–E9 之间：“中”E4 B8 AD，“文”E6 96 87，“问”E9 97 AE。中文标点（，。“”）也是 3 字节。

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： 文本处理