Python Unicode编码之UTF-8编码

标签：

一、UTF-8编码简介

　　UTF-8就是在互联网上使用最广的一种unicode的实现方式。UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

二、UTF-8编码规则　　

　　1.对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

　　2.对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码，如下表：

　　　       Unicode符号范围 | UTF-8编码方式
　　　　　　       (十六进制) | （二进制）
　　--------------------+---------------------------------------------
　　0000 0000-0000 007F | 0xxxxxxx
　　0000 0080-0000 07FF | 110xxxxx 10xxxxxx
　　0000 0800-0000 FFFF | 1110xxxx 10xxxxxx 10xxxxxx
　　0001 0000-0010 FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

三、UTF-8编码实例

　　以汉字“严”为例，演示如何实现UTF-8编码。

　　已知“严”的unicode是4E25（100111000100101），根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。然后，从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。这样就得到了，“严”的UTF-8编码是“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

Python Unicode编码之UTF-8编码

标签：

原文地址：http://www.cnblogs.com/AngryZe/p/5394976.html