是Unicode传送格式。即把Unicode文件转换成BYTE的传送流。
UTF8流的转换程序:
Input:unsignedintegerc-thecodepointofthecharactertobeencoded(输入一个unicode值)
Output:byteb1,b2,b3,b4-theencodedsequenceofbytes(输出四个BYTE值)
Algorithm(算法):
if(c<0x80)
b1=c>>0&0x7F|0x00
b2=null
b3=null
b4=null
elseif(c<0x0800)
b1=c>>6&0x1F|0xC0
b2=c>>0&0x3F|0x80
b3=null
b4=null
elseif(c<0x010000)
b1=c>>12&0x0F|0xE0
b2=c>>6&0x3F|0x80
b3=c>>0&0x3F|0x80
b4=null
elseif(c<0x110000)
b1=c>>18&0x07|0xF0
b2=c>>12&0x3F|0x80
b3=c>>6&0x3F|0x80
b4=c>>0&0x3F|0x80
endif
=====================
unicode是一种编码表格,例如,给一个汉字规定一个代码。类似GB2312-1980,GB18030等,只不过字集不同。
=====================
一个unicode码可能转成长度为一个BYTE,或两个,三个,四个BYTE的UTF8码,取决于unicode码的值。英文unicode码因为值小于0x80,只要用一个BYTE的UTF8传送,比送unicode两个BYTEs快。
UTF8是为传送unicode而想出来的“再编码”方法罢了。
UTF8转unicode用我上面给的程序反算即可。
UTF8是现有ASCII系统转向Unicode系统的一个过渡解决方案。UTF8是保证ASCII兼容性,再向大字符集方向扩展。这是Unicode推荐的方案。但是因为解决问题的角度不同,对现有的中文系统不是好的解决方案。一下连接提供了详细的UTF8编码的初步知识http://www.acnis.com/modules.php?name=ArticlE&file=article&sid=102参考资料:http://www.acnis.com/modules.php?name=ArticlE&file=article&sid=102
什么是Unicode。Unicode的基本目标是统一所有的编码,即它包含所有的字符集。这样只要一个系统支持Unicode,那么,就能处理这些字符集。一般Unicode有两个字节。现在的windows操作系统都是支持Unicode的。
什么是UTF8呢?UTF8是一种Unicode编码,即它的编码的字符集和Unicode是一致的。但编码的方式不一样。对于英文字符来讲,UTF8的编码和一般的一样,用到一个字节。但对于中文来讲,那么要用三个字节表示(记忆中是三个)。
UTF8和Unicode的缺点是在处理查找、搜索等问题时,好像算法上比较复杂,效率不高(记忆中)。