UTF-8

定义

UTF-8 是一种针对 Unicode 的变长字符编码方式，由肯·汤普森等人设计。它用一到四个字节来表示一个 Unicode 码点，根据字符编号的大小自动选择所需字节数，既能高效表示英文，又能容纳全部 Unicode 字符。

原理

UTF-8 的编码规则巧妙：码点在零到一百二十七之间的字符仅用一个字节，且与 ASCII 完全相同，因此向后兼容 ASCII。更大的码点用两到四个字节表示，首字节的高位标明总字节数，后续字节均以特定位模式开头，便于解码器定位字符边界。这种自同步特性使解析器即使从中间读起也能快速找到字符起点，且无字节序问题。

应用

UTF-8 凭借兼容 ASCII、空间高效和无字节序困扰等优点，已成为互联网的事实标准，绝大多数网页、配置文件、接口数据和源代码都采用它。主流编程语言和操作系统普遍以 UTF-8 作为默认文本编码。在处理多语言文本时优先选用 UTF-8，能最大限度避免乱码并保证跨平台兼容。