看了阮一峰的Blog（很久之前的），突然就發(fā)現(xiàn)這么一個(gè)非常常見的問題，常常被我視而不見。而且我相信，有很大一部分同學(xué)應(yīng)該和我一樣，對(duì)此模棱兩可?；蛟S在很久之前在某次面試或考試之前準(zhǔn)備過如此“冷門”的知識(shí)，現(xiàn)在早已拋之腦后。其實(shí)我們經(jīng)常會(huì)遇到“?????????”和類似“燙燙燙燙”的玩意，對(duì)于這樣經(jīng)常造訪的老朋友背后的技術(shù)細(xì)節(jié)我們有必要了解。
這里我偷懶引用兩篇寫的非常好的Blog作為內(nèi)容，因?yàn)閷懙奶宄?，太易懂。本著不重?fù)發(fā)明輪子的原則，我就借花獻(xiàn)佛。
阮一峰 和 字符編碼常識(shí)及問題解析 閱讀完后一定會(huì)對(duì)編碼有了基本的了解，同時(shí)對(duì)目前最為主流的utf-8，有清晰的認(rèn)識(shí)。這樣以后再處理亂碼問題，就比起之前更游刃有余。
其中對(duì)于utf-8 部分，兩篇描述各有側(cè)重，我做個(gè)摘要
UTF-8是Unicode的實(shí)現(xiàn)方式之一。
UTF-8最大的一個(gè)特點(diǎn)，就是它是一種變長(zhǎng)的編碼方式。它可以使用1~4個(gè)字節(jié)表示一個(gè)符號(hào)，根據(jù)不同的符號(hào)而變化字節(jié)長(zhǎng)度。
UTF-8的編碼規(guī)則很簡(jiǎn)單，只有二條：
1）對(duì)于單字節(jié)的符號(hào)，字節(jié)的第一位設(shè)為0，后面7位為這個(gè)符號(hào)的unicode碼。因此對(duì)于英語(yǔ)字母，UTF-8編碼和ASCII碼是相同的。
2）對(duì)于n字節(jié)的符號(hào)（n>1），第一個(gè)字節(jié)的前n位都設(shè)為1，第n+1位設(shè)為0，后面字節(jié)的前兩位一律設(shè)為10。剩下的沒有提及的二進(jìn)制位，全部為這個(gè)符號(hào)的unicode碼。
以漢字"嚴(yán)"為例，演示如何實(shí)現(xiàn)UTF-8編碼。
已知"嚴(yán)"的unicode是4E25（100111000100101），根據(jù)上表，可以發(fā)現(xiàn)4E25處在第三行的范圍內(nèi)（0000 0800-0000 FFFF），因此"嚴(yán)"的UTF-8編碼需要三個(gè)字節(jié)，即格式是"1110xxxx 10xxxxxx 10xxxxxx"。然后，從"嚴(yán)"的最后一個(gè)二進(jìn)制位開始，依次從后向前填入格式中的x，多出的位補(bǔ)0。這樣就得到了，"嚴(yán)"的UTF-8編碼是"11100100 10111000 10100101"，轉(zhuǎn)換成十六進(jìn)制就是E4B8A5。
摘自阮一峰-字符編碼筆記：ASCII，Unicode和UTF-8
其中幾個(gè)要點(diǎn)，
- utf-8是可變長(zhǎng)的，目前使用廣泛，而且兼容ASCII
- 注意填寫漢字編碼時(shí)是從低位往高位，保證高位多余位置0
