UTF-8常用字符的处理结果：中英文与符号示例

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。下面重点说明中英文与符号示例。

UTF-8常用字符的处理结果

输入	编码结果
123问	31 32 33 E9 97 AE
中文	E4 B8 AD E6 96 87
你好，世界	E4 BD A0 E5 A5 BD EF BC 8C E4 B8 96 E7 95 8C
a+b=c	61 2B 62 3D 63
<b>粗体</b>	3C 62 3E E7 B2 97 E4 BD 93 3C 2F 62 3E
I ♥ Unicode	49 20 E2 99 A5 20 55 6E 69 63 6F 64 65

命令行示例

# 查看文件编码
file -i notes.txt
# GBK 转 UTF-8
iconv -f GBK -t UTF-8 in.txt > out.txt
# 查看字节
echo -n "中" | xxd     # e4b8 ad

乱码排查

UTF-8 乱码的典型样子：“中文”是 UTF-8 被当作 Latin-1；“涓枃”是 UTF-8 被当作 GBK；“锟斤拷”是 GBK 显示的替换字符；“���”是无法解码的字节。根据样子判断是哪一步解码用错了字符集。

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

【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。

【UTF-8 能表示所有汉字吗？】能，包括所有 CJK 扩展区汉字。

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： 编码 文本处理