utf-8 下汉字为什么需要三个字节

 

Unicode 十六进制码点范围 　　 -->　　　UTF-8 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　　　　　　　　　　　　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
 

一个字节八个二进制位　　　　　　　　　　　　　　

unicode 下汉字占用空间为0X4E00到0x9FA5　　　　0010  1110  0000 0000--> 1001 1111 1010 0101
则转化为utf-8为：1110 0010 -10 111000-10 000000 --> 1110 1001-10 111111-10 100101　　　　

　　　　　　　即：0x00E2 B880  　　　　　　　　　　--> 0x00E9 BFA5

utf-8只是改变了unicode的保存形式，提高传输译码效率

python 3.7.2系统使用的是utf-8,但编码转换对应的是unicode；例：ord（汉）=27721，chr（27721）=汉，'汉'对应 unicode为0x6C49，即27721，其utf-8表示为0xE6 0xB7 0x89

 

 

参考：

原文：https://blog.csdn.net/hezh1994/article/details/78899683 　　　　　　

https://blog.csdn.net/hezh1994/article/details/78899683

 

https://blog.csdn.net/hezh1994/article/details/78899683

http://www.cnblogs.com/xinruzhishui/p/5763894.html