UTF-8

UTF-8（8 位元 Universal Character Set/Unicode Transformation Format）是針對Unicode 的一種可變長度字元編碼。它可以用來表示 Unicode 標準中的任何字元，而且其編碼串流中的第一個位元組仍與 ASCII 兼容，令原來處理 ASCII 字符的軟件無需或只作少量改動後，便可繼續使用。因此，它逐漸成為電子郵件、網頁及其他儲存或傳送文字的應用中，優先採用的編碼。UTF-8 使用一至四個位元組為每個字符編碼：128 個 US-ASCII 字符只需一個位元組編碼（Unicode 範圍由 U+0000 至 U+007F）。帶有變音符號的拉丁文、希臘文、西里爾字母、亞美尼亞語、希伯來文、阿拉伯文、敘利亞文及它拿字母需要二個位元組編碼（Unicode 範圍由 U+0080 至 U+07FF）。其他基本多文種平面（BMP）中的字元（這包含了大部分常用字）使用三個位元組編碼。其他極少使用的 Unicode 輔助平面的字符使用四位元組編碼。對上述提及的第四種字符而言，UTF-8 使用四個位元組來編碼似乎太耗費資源了。但 UTF-8 對所有常用的字符都可以用三個位元組表示，而且它的另一種選擇，UTF-16編碼，對前述的第四種字符同樣需要四個位元組來編碼，所以要決定 UTF-8 或 UTF-16 哪種編碼比較有效率，還要視所使用的字元的分佈範圍而定。不過，如果使用一些傳統的壓縮系統，比如 DEFLATE，則這些不同編碼系統間的的差異就變得微不足道了。若顧及傳統壓縮算法在壓縮較短文字上的效果不大，可以考慮使用 Standard Compression Scheme for Unicode（SCSU）。
访问 Wikipedia.org... 网页

压缩的Unicode。UTF-8是ISO 10646的转换格式，是一种变长的编码格式。它用一个字节表示常见字符，用3个字节表示不常见字符，如汉字等。