欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

utf8和unicode编码究竟是什么关系?有何区别?

程序员文章站 2024-02-29 11:17:04
utf8 == unicode transformation format -- 8 bit ...
utf8 == unicode transformation format -- 8 bit 
是unicode传送格式。即把unicode文件转换成byte的传送流。 

utf8流的转换程序: 
input: unsigned integer c - the code point of the character to be encoded (输入一个unicode值) 
output: byte b1, b2,b3, b4 - the encoded sequence of bytes (输出四个byte值) 
algorithm(算法): 
if (c<0x80) 
b1 = c>>0 & 0x7f | 0x00 
b2 = null 
b3 = null 
b4 = null 
else if (c<0x0800) 
b1 = c>>6 & 0x1f | 0xc0 
b2 = c>>0 & 0x3f | 0x80 
b3 = null 
b4 = null 
else if (c<0x010000) 
b1 = c>>12 & 0x0f | 0xe0 
b2 = c>>6 & 0x3f | 0x80 
b3 = c>>0 & 0x3f | 0x80 
b4 = null 
else if (c<0x110000) 
b1 = c>>18 & 0x07 | 0xf0 
b2 = c>>12 & 0x3f | 0x80 
b3 = c>>6 & 0x3f | 0x80 
b4 = c>>0 & 0x3f | 0x80 
end if 
===================== 
unicode 是一种编码表格,例如,给一个汉字规定一个代码。类似 gb2312-1980, gb18030等,只不过字集不同。 
===================== 
一个unicode码可能转成长度为一个byte,或两个,三个,四个byte的utf8码,取决于unicode码的值。英文unicode码因为值小于0x80,只要用一个byte的utf8传送,比送unicode两个bytes快。 
utf8是为传送unicode而想出来的“再编码”方法罢了。 
utf8转unicode用我上面给的程序反算即可。

utf8是现有ascii系统转向unicode系统的一个过渡解决方案。utf8是保证 ascii兼容性,再向大字符集方向扩展。这是unicode推荐的方案。但是因 为解决问题的角度不同,对现有的中文系统不是好的解决方案。 一下连接提供了详细的 utf8编码的初步知识 http://www.acnis.com/modules.php?name=article&file=article&sid=102 参考资料:http://www.acnis.com/modules.php?name=article&file=article&sid=102

什么是unicode。unicode的基本目标是统一所有的编码,即它包含所有的字符集。这样只要一个系统支持unicode,那么,就能处理这些字符集。一般unicode有两个字节。现在的windows操作系统都是支持unicode的。 

什么是utf8呢?utf8是一种unicode编码,即它的编码的字符集和unicode是一致的。但编码的方式不一样。对于英文字符来讲,utf8的编码和一般的一样,用到一个字节。但对于中文来讲,那么要用三个字节表示(记忆中是三个)。 

utf8和unicode的缺点是在处理查找、搜索等问题时,好像算法上比较复杂,效率不高(记忆中)。