查看“︁Unicode 与 UTF-8”︁的源代码

Unicode 是字符编码标准，为文字、符号和控制字符分配码位。码位通常写作 <code>U+</code> 加十六进制数字；UTF-8 是将 Unicode 码位编码为一至四个字节的可变长度格式。字符、码位、字形和字节是四个不同概念。

== UTF-8 编码 ==
{| class="wikitable"
! 码位范围 !! 字节数 !! 首字节形式
|-
| U+0000—U+007F || 1 || <code>0xxxxxxx</code>
|-
| U+0080—U+07FF || 2 || <code>110xxxxx</code>
|-
| U+0800—U+FFFF || 3 || <code>1110xxxx</code>
|-
| U+10000—U+10FFFF || 4 || <code>11110xxx</code>
|}
多字节序列的后续字节均以 <code>10</code> 开头。U+D800—U+DFFF 是代理码位，不作为独立 Unicode 字符编码；超过 U+10FFFF 的数值也不属于 Unicode 码位。

{| class="wikitable"
! 字符 !! 码位 !! UTF-8 字节
|-
| <code>A</code> || U+0041 || <code>41</code>
|-
| <code>中</code> || U+4E2D || <code>E4 B8 AD</code>
|-
| <code>😀</code> || U+1F600 || <code>F0 9F 98 80</code>
|}
组合附加符号会使一个可见字形由多个码位构成；UTF-8 的字节数因此不能直接当作文字长度。另见 [[Unicode 字符]]。

== 参考资料 ==
* [https://www.unicode.org/faq/utf_bom.html Unicode 联盟，《UTF-8、UTF-16、UTF-32 与 BOM》，英文]
* [https://mirrors.nju.edu.cn/rfc/rfc3629.html IETF RFC 3629《UTF-8》，南京大学开源镜像，英文，第 3 节]

[[工具和科普/文字与密码|返回文字与密码]]