utf8、utf16、utf32之间的格式
这篇百度百科中讲解了utf8的格式、utf16的格式。
utf8的编码格式：
Unicode编码(⼗六进制)　UTF-8 字节流(⼆进制)
000000-00007F0xxxxxxx
000080-0007FF110xxxxx 10xxxxxx
000800-00FFFF1110xxxx 10xxxxxx 10xxxxxx
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
010000-10FFFF
  UTF-8的特点是对不同范围的字符使⽤不同长度的编码。对于0x00-0x7F之间的字符，UTF-8编码与完全相同。UTF-8编码的最⼤长度是4个字节。从上表可以看出，4字节模板有21个x，即可以容纳21位⼆进制数字。Unicode的最⼤码位0x10FFFF也只有21位。
  例1：“汉”字的Unicode编码是0x6C49。0x6C49在0x0800-0xFFFF之间，使⽤3字节模板：1110xxxx 10xxxxxx 10xxxxxx。将0x6C49写成⼆进制是：0110 1100 0100 1001，⽤这个⽐特流依次代替模板中的x，得到：11100110 10110001 10001001，即E6 B1 89。
  例2：Unicode编码0x20C30在0x010000-0x10FFFF之间，使⽤4字节模板：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx。将0x20C30写成21位⼆进制数字（不⾜21位就在前⾯补0）：0 0010 0000 1100 0011 0000，⽤这个⽐特流依次代替模板中的x，得到：11110000 10100000 10110000 10110000，即F0 A0 B0 B0。
utf16的编码格式：
D800－DB7F High Surrogates⾼位替代
DB80－DBFF High Private Use Surrogates⾼位专⽤替代
DC00－DFFF Low Surrogates低位替代
编码以16位⽆符号整数为单位。我们把Unicode编码记作U。编码规则如下
  如果U<0x10000，U的UTF-16编码就是U对应的16位⽆符号整数（为书写简便，下⽂将16位⽆符号整数记作WORD）。
  如果U≥0x10000，我们先计算U'=U-0x10000，然后将U'写成⼆进制形式：yyyy yyyy yyxx xxxx xxxx，U的UTF-16编码（⼆进制）就是：110110yyyyyyyyyy 110111xxxxxxxxxx。
  为什么U'可以被写成20个⼆进制位？Unicode的最⼤码位是0x10FFFF，减去0x10000后，U'的最⼤值是0xFFFFF，所以肯定可以⽤20个位表⽰。例如：Unicode编码0x20C30，减去0x10000后，得到0x10C30，写成⼆进制是：0001 0000 1100 0011 0000。⽤前10位依次替代模板中的y，⽤后10位依次替代模板中的x，就得到：1101100001000011 1101110000110000，即0xD843 0xDC30。
  按照上述规则，Unicode编码0x10000-0x10FFFF的UTF-16编码有两个WORD，第⼀个WORD的⾼6位是110110，第⼆个WORD的⾼6位是110111。可见，第⼀个WORD的取值范围（⼆进制）是11011000 00000000到11011011 11111111，即0xD800-0xDBFF。第⼆个WORD的取值范围（⼆进制）是11011100 00000000到11011111 11111111，即0xDC00-0xDFFF。
数字转unicode编码关于这个之间的转换可以借鉴cjson源码中utf16转换为utf8。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。