迷雾样式迁移：重写科普正文：定义、结构、原理与资料表

2026-10-14T10:14:41Z

重写科普正文：定义、结构、原理与资料表

←上一版本		2026年10月14日 (三) 10:14的版本
第1行：		第1行：
	Unicode ~~给字符分配码点；UTF-8 是把码点写成字节的一种编码。二者不是两个可以互换的“字符表”。~~<~~ref name="unicode"~~>~~[https://www.unicode.org/faq/utf_bom.html Unicode 联盟，《UTF-8、UTF-16、UTF-32 与 BOM》，英文]~~</~~ref~~>		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。

	== ~~码点与字节~~ ==		== UTF-8 编码 ==
	~~码点通常写作~~ <code>U+</code> ~~加十六进制数。例如汉字“汉”的码点是~~ <code>U+~~6C49~~</code>~~，按 UTF~~-~~8 编码后是三个字节~~ <code>~~E6 B1 89~~</code>。码点和每个字节的十六进制写法都可能出现在谜题中，但必须先分清所指的单位。UTF-8 使用一至四个字节编码一个 Unicode 标量值；ASCII 范围内的字符保持单字节表示。<~~ref~~>~~[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]~~</~~ref~~>		{\| 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。

	=~~= 常见混淆 ==~~		{\| class="wikitable"
	同一个字形可能涉及不同码点或组合形式；不可见字符也会占有码点。显示为“乱码”不一定说明原文被加密，更常见的原因之一是写入和读取时选用了不同字符编码。中文环境还可能出现 GB 18030；它与 UTF-8 ~~是不同的字节映射，不能把一串字节在两套编码间直接混读。~~<~~ref~~>~~[https:~~//~~openstd.samr.gov.cn~~/~~bzgk~~/~~std~~/~~newGbInfo?hcno=A1931A578FE14957104988029B0833D3 国家标准 GB 18030-2022《信息技术中文编码字符集》，标准题录]~~</~~ref~~>		! 字符 !! 码位 !! UTF-8 字节
			\|-
	~~== 相关条目 ==~~		\| <code>A</code> \|\| U+0041 \|\| <code>41</code>
	~~[[ASCII编码]] · [[Base16]] ·~~ [[Unicode 字符]]		\|-
			\| <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 ==		== 参考资料 ==
	~~<references~~ />		* [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]]		[[工具和科普/文字与密码\|返回文字与密码]]

迷雾样式迁移：重排科普目录与分类页面；保留工具索引和学习资源

2026-10-14T09:36:49Z

重排科普目录与分类页面；保留工具索引和学习资源

新页面

Unicode 给字符分配码点；UTF-8 是把码点写成字节的一种编码。二者不是两个可以互换的“字符表”。<ref name="unicode">[https://www.unicode.org/faq/utf_bom.html Unicode 联盟，《UTF-8、UTF-16、UTF-32 与 BOM》，英文]</ref>

== 码点与字节 ==
码点通常写作 <code>U+</code> 加十六进制数。例如汉字“汉”的码点是 <code>U+6C49</code>，按 UTF-8 编码后是三个字节 <code>E6 B1 89</code>。码点和每个字节的十六进制写法都可能出现在谜题中，但必须先分清所指的单位。UTF-8 使用一至四个字节编码一个 Unicode 标量值；ASCII 范围内的字符保持单字节表示。<ref>[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]</ref>

== 常见混淆 ==
同一个字形可能涉及不同码点或组合形式；不可见字符也会占有码点。显示为“乱码”不一定说明原文被加密，更常见的原因之一是写入和读取时选用了不同字符编码。中文环境还可能出现 GB 18030；它与 UTF-8 是不同的字节映射，不能把一串字节在两套编码间直接混读。<ref>[https://openstd.samr.gov.cn/bzgk/std/newGbInfo?hcno=A1931A578FE14957104988029B0833D3 国家标准 GB 18030-2022《信息技术中文编码字符集》，标准题录]</ref>

== 相关条目 ==
[[ASCII编码]] · [[Base16]] · [[Unicode 字符]]

== 参考资料 ==
<references />

[[工具和科普/文字与密码|返回文字与密码]]

Unicode 与 UTF-8 - 版本历史

迷雾样式迁移：​重写科普正文：定义、结构、原理与资料表

迷雾样式迁移：​重排科普目录与分类页面；保留工具索引和学习资源

迷雾样式迁移：重写科普正文：定义、结构、原理与资料表

迷雾样式迁移：重排科普目录与分类页面；保留工具索引和学习资源