UTF-8应用场景：典型场景与选择建议

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。下面重点说明典型场景与选择建议。

UTF-8应用场景

• 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

新项目一律选 UTF-8；对接老旧的 Windows 软件、银行或政务系统时，按对方要求转换为 GBK/GB18030；MySQL 选 utf8mb4 而不是 utf8（后者最多 3 字节，存不了 emoji）。

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。

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

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

【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。

【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。

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