下面對這個圖進(jìn)行一下說明：
第一個紅框中的內(nèi)容是我從unicode.org提供的GB2312->Unicode碼表中隨便抽取的一行，下面以它為例進(jìn)行說明。
這里面列出的GB2312和我們計算機(jī)實際使用的GB2312是不一樣的。因為GB2312的和ASCII的編碼范圍有沖突，所以使用時都采用兩個字節(jié)高位置1的方式，也就是下面我列出的那個EUC才是在計算機(jī)內(nèi)存儲形式的GB2312。原來這是一個“暗”字。
前者和”區(qū)位碼”是有直接關(guān)系的，”暗”的區(qū)位碼1621，轉(zhuǎn)換成HEX: 0×1015，只要把高低位都+0×20，就得到了GB2312: 0×3035。
下面再看看UNICODE，大家可以做一個實驗，把0×6697轉(zhuǎn)成DEC: 26263，建一個空白HTML檔（encoding隨意），在里面寫上 暗 怎么樣，就能看到這個字了吧：）
把它轉(zhuǎn)成BIN: 0110 0110 1001 0111, 查UTF-8的轉(zhuǎn)換表，這個字的Unicode: U+6679 在 U+0800 和 U+FFFF 之間，是要轉(zhuǎn)換成三字節(jié)的UTF-8的，轉(zhuǎn)換方法如上面所示，最后得出的UTF-8編碼就是: 0xE69A97。
UTF-8字符各字節(jié)含義
| 0×00-0×7F |
同ASCII，也不可能作為任何其他多字節(jié)UTF-8字符的一部分 |
| 0xC0-0xDF |
多字節(jié)UTF-8字符的開始字節(jié)，而且據(jù)此可以判斷出該UTF-8字符的長度（字節(jié)數(shù)） |
| 0×80-0xBF |
多字節(jié)UTF-8字符的跟隨字節(jié) |
| 0xFE-0xFF |
UTF-8未使用 |
那么如何判斷UTF-8字符的長度呢？
| 0×00-0×7F |
1字節(jié) |
| 0xC0-0xDF |
2字節(jié) |
| 0xE0-0xEF |
3字節(jié) |
| 0xF0-0xF7 |
4字節(jié) |
| 0xF8-0xFB |
5字節(jié) |
| 0xFC-0xFD |
6字節(jié) |
UTF-8字符范圍
| Unicode |
字節(jié)數(shù) |
表示方法 |
字節(jié)范圍 |
U-00000000 -
U-0000007F |
1 |
0xxxxxxx |
(0×00-0×7F) |
U-00000080 -
U-000007FF |
2 |
110xxxxx 10xxxxxx |
(0xC2-0xDF)(0×80-0xBF) |
U-00000800 -
U-0000FFFF |
3 |
1110xxxx 10xxxxxx 10xxxxxx |
0xE0(0xA0-0xBF)(0×80-0xBF)
(0xE1-0xEF)(0×80-0xBF)(0×80-0xBF) |
U-00010000 -
U-001FFFFF |
4 |
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
0xF0(0×90-0xBF)(0×80-0xBF)
(0×80-0xBF)(0xF1-0xF7)(0×80-0xBF)
(0×80-0xBF)(0×80-0xBF) |
U-00200000 -
U-03FFFFFF |
5 |
111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
略 |
U-04000000 -
U-7FFFFFFF |
6 |
1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx |
略 |