UTF-8返回值说明：函数输出与类型

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。下面重点说明函数输出与类型。

UTF-8返回值说明

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（�）。

new TextEncoder().encode("中");        // Uint8Array [228, 184, 173]
new TextDecoder("utf-8").decode(bytes);
// Node.js
Buffer.byteLength("123问", "utf8");    // 6

示例

输入：Hello

编码结果：48 65 6C 6C 6F

说明：按 UTF-8 共 5 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

怎么选

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）。

UTF-8 与 GBK：UTF-8 覆盖全部 Unicode，汉字 3 字节；GBK 只覆盖简繁汉字和部分符号，汉字 2 字节，但不能表示 emoji 和多数外文。UTF-8 与 UTF-16：UTF-16 中 BMP 字符 2 字节，适合内存中处理（Java、JavaScript、Windows 内部），但不兼容 ASCII。

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： 文本处理