UTF-8

什么是 UTF-8？

UTF-8 是一种变长编码标准，基于 Unicode 标准设计，能够以紧凑且向后兼容的方式表示文本数据。在 UTF-8 格式中，码位（Unicode 用来映射字符的编号）会被转换为一到四个字节。

UTF-8 格式还与 ASCII 兼容，如今许多文本文件都默认使用它。UTF-8 以统一的编码标准在不同系统中表示所有书写系统。这样，我们就无需依赖旧式代码页或编码格式。

如何在网页中使用 UTF-8

您需要在 HTML 中声明 UTF-8 编码，以确保页面正确呈现。通常，我们会在 <head> 部分添加以下内容：

<meta charset=”utf-8″>

该设置告诉浏览器页面使用 UTF-8 格式。如果没有此设置，ASCII 以外的字符可能会出现乱码，或无法正常显示。

UTF-8 支持范围广泛的字符集，因此 HTML5 等 Web 标准默认使用它。处理文本数据时，您应始终使用 UTF-8 字符，以便网站能够正确处理各种语言的 Unicode 文本。

与 UTF-16 相比，对于以 ASCII 字符为主的文本，UTF-8 格式更节省空间。

UTF-8 编码的工作原理

在 UTF-8 编码中，每个码位或码位值（Unicode 分配的编号）都会变成 1 到 4 个字节的字节序列。序列中的第一个字节表示总共有多少个字节。例如：

• 对于码位 0–127，单个字节就足够了。
  
• 更大的码位使用字节序列。第一个字节以 110、1110 或 11110 等位开头，分别表示 2、3 或 4 个字节。
  
• 后续字节始终以 10 开头，表示延续。
  

这种有效 UTF-8 字符方案可避免重叠。由于第一个字节标明了序列长度，解码器可以无歧义地进行解析。

HTML 标签中的 UTF-8 示例

下面是一个 HTML5 代码示例：

<meta charset> 标签可确保这些字符被正确映射。建议使用标准编码，这样浏览器会将相同的字节序列解释为相同的字符。