UTF-8有哪些用法和变体：常见类型与选项

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。下面重点说明常见类型与选项。

UTF-8有哪些用法和变体

UTF-8 能表示 Unicode 全部 1,114,112 个码点位置，包括所有汉字扩展区、少数民族文字和 emoji。

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：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。

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

【“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