Question

编码原理理解之「UTF-8」

Answer 1

光电编码器，是一种通过光电转换将输出轴上的机械几何位移量转换成脉冲或数字量的传感器。光电编码器每转输出60（我们用老板没有说）个脉冲，五线制。其中两根为电源线，三根为脉冲线(A相、B相、Z)。电源的工作电压为 （+5～+24V）直流电源。光电编码器是由光栅盘和光电检测装置组成。光栅盘是在一定直径的圆板上等分地开通若干个长方形孔。由于光电码盘与电动机同轴，电动机旋转时，光栅盘与电动机同速旋转，经发光二极管等电子元件组成的检测装置检测输出若干脉冲信号，其原理示意图如图1所示；通过计算每秒光电编码器输出脉冲的个数就能反映当前…

Answer 2

UTF-8 （8位元， Universal Character Set/Unicode Transformation Format ）是针对Unicode的一种可变长度字符编码。它可以用来表示 Unicode 标准中的任何字符，而且其编码中的第一个字节仍与 ASCII 相容，使得原来处理 ASCII 字符的软件无须或只进行少部份修改后，便可继续使用。因此，它逐渐成为电子邮件、网页及其他存储或传送文字的应用中，优先采用的编码。

总结下来， UTF8 有如下特点：
1）是 unicode 的一种实现方式；
2）是一种变长编码标准；
3）可以与 ASCII 码有效兼容；
4）应用超级广泛编码标准。

我们讲， UTF-8 是 unicode 的一种实现方式，那么，想要对一个字符进行 UTF-8 编码，首先我们要知道这个字符的 unicode 编码（字符的 unicode 编码是约定好的，全球统一不变的）。拿 unicode 编码的方式很简单，网上有很多 工具 可以做到。

接下来针对不同的 unicode 符号范围， utf-8 编码实际占用的字节数可能 1~4 字节不等👇

总结下来，针对 UTF8 ，编码规则其实只有两条：
1） 单字节规则： 对于 单字节 的符号，字节的第一位（最高位）设为 0 ，后面 7 位为这个符号的 unicode 码。
2） n字节规则： 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。

以 「真」 举例，我们查到 「真」 的 unicode 编码是 \u771f （ \u 只是 unicode 的编码标记，其后面跟的还是 16 进制数），发现真的编码范围是 0x0800 ~ 0xffff 间，故选择 3字节 的编码方式👇

我们将 0x771f 转化为2进制（共16位），并分成 4、6、6 三组，填入👆编码方式的 「x」 的位置，得到 1110 0111 10 011100 10 011111 ，至此完成 「真」 的 utf-8 编码，转化为 16 进制描述即： 0xe79c9f 。

那么，有 mac 的小伙伴可以试试我提供的一套基于 iOS 的编码理解工程。可以快速打印出一段文本编码的数据结果（ 16 进制、 2 进制都有），示例如下：

git地址： https://github.com/chrisYooh/CYEncoding.git
对你有帮助的话记得帮我点个 「Star」 哦！ 😊✨✨✨