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。下面重点说明用步骤把过程说清楚。
UTF-8原理图解
编码时根据码点大小选择字节数，把码点的二进制位依次填进字节格式的 x 位。例如“中”U+4E2D 的二进制是 0100 1110 0010 1101，填入 3 字节格式得到 11100100 10111000 10101101，即 E4 B8 AD。解码时看首字节的前导 1 的个数就知道这个字符占几个字节。
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。
Java 示例
下面是 Java 中处理UTF-8的常用写法：
byte[] b = "中".getBytes(StandardCharsets.UTF_8); // [-28, -72, -83]
String s = new String(b, StandardCharsets.UTF_8);运行前确认输入的字符集（推荐 UTF-8），结果可以用本站工具交叉核对。
乱码排查
UTF-8 乱码的典型样子：“ä¸æ–‡”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
【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；处理密钥、证书等敏感数据时，请注意保护隐私。
