UTF-8结果如何推导

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。下面重点说明从输入到输出。

UTF-8结果如何推导

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：Hello

编码结果：48 65 6C 6C 6F

说明：按 UTF-8 共 5 字节。

规则说明

• 首字节前导 1 的个数表示总字节数，后续字节都以 10 开头
• 同一个码点只能用最短形式编码（过长编码是非法的）
• U+D800–U+DFFF 代理项码点不能出现在 UTF-8 中
• BOM 不是必需的，Linux 和网页通常不加

与相关技术的区别

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

【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。

标签： UTF-8 数码开发