原文地址:http://blog.csdn.net/u010737354/article/details/52456570
<div class="postTitle" style="box-sizing: border-box; margin: 0px 0px 10px; padding: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 19.2px; font-weight: bold; font-size: 14.7px; font-family: verdana, Arial, helvetica, sans-seriff; color: rgb(75, 75, 75);"><a target=_blank target="_blank" id="cb_post_title_url" class="postTitle2" href="http://www.cnblogs.com/lancidie/archive/2013/04/12/3017241.html" style="box-sizing: border-box; margin: 0px; padding: 0px; outline: none; background-color: transparent; text-decoration: none; font-weight: normal; font-family: 'Microsoft YaHei'; color: rgb(0, 0, 0);">英文字母和中文汉字在不同字符集编码下的字节数</a></div><div id="cnblogs_post_body" style="box-sizing: border-box; margin: 0px 0px 20px; padding: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; word-break: break-word; background-color: transparent; line-height: 1.5; font-size: 13px; font-family: verdana, Arial, helvetica, sans-seriff; color: rgb(75, 75, 75);"><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">英文字母:</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:GB2312</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:GBK</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:GB18030</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:ISO-8859-1</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:UTF-8</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 4;编码:UTF-16</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:UTF-16BE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:UTF-16LE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);"> </p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">中文汉字:</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:GB2312</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:GBK</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:GB18030</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 1;编码:ISO-8859-1</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 3;编码:UTF-8</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 4;编码:UTF-16</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:UTF-16BE</p><p style="box-sizing: border-box; margin: 10px auto; padding-top: 0px; padding-bottom: 0px; border: 0px; outline: rgb(0, 0, 0); vertical-align: baseline; background-color: transparent; line-height: 26px; font-size: 15px; font-family: 'Microsoft YaHei'; color: rgb(102, 102, 102);">字节数 : 2;编码:UTF-16LE</p></div>
这是个好问题,可以当作一个笔试题。先从字符编码讲起。
<p align="left">1、美国人首先对其英文字符进行了编码,也就是最早的ascii码,用一个字节的低7位来表示英文的128个字符,高1位统一为0。 </p><p align="left">2、后来欧洲人发现尼玛你这128位哪够用,比如我高贵的法国人字母上面的还有注音符,这个怎么区分,得,把高1位编进来吧,这样欧洲普遍使用一个全字节进行编码,最多可表示256位。欧美人就是喜欢<a target=_blank href="https://www.baidu.com/s?wd=%E7%9B%B4%E6%9D%A5%E7%9B%B4%E5%8E%BB&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">直来直去</span></a>,字符少,编码用得位数少。</p><p>3、但是即使位数少,不同国家地区用不同的字符编码,虽然0--127表示的符号是一样的,但是128--255这一段的解释完全乱套了,即使2进制完全一样,表示的字符完全不一样,比如135在法语,希伯来语,俄语编码中完全是不同的符号。</p><p>4、更麻烦的是,尼玛这电脑高科技传到中国后,中国人发现我们有10万多个汉字,你们欧美这256字塞牙缝都不够。于是就发明了GB2312这些汉字编码,典型的用2个字节来表示绝大部分的常用汉字,最多可以表示65536个汉字字符,这样就不难理解有些汉字你在<a target=_blank href="https://www.baidu.com/s?wd=%E6%96%B0%E5%8D%8E%E5%AD%97%E5%85%B8&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">新华字典</span></a>里查得到,但是电脑上如果不处理一下你是显示不出来的了吧。 </p><p>5、这下各用各的字符集编码,这世界咋统一?俄国人发封email给中国人,两边字符集编码不同,尼玛显示都是乱码啊。为了统一,于是就发明了unicode,将世界上所有的符号都纳入其中,每一个符号都给予一个独一无二的编码,现在unicode可以容纳100多万个符号,每个符号的编码都不一样,这下可统一了,所有语言都可以互通,一个网页页面里可以同时显示各国文字。 </p><p>6、然而,unicode虽然统一了全世界字符的二进制编码,但没有规定如何存储啊,亲。<a target=_blank href="https://www.baidu.com/s?wd=x86&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">x86</span></a>和amd体系结构的电脑小端序和大端序都分不清,别提计算机如何识别到底是unicode还是acsii了。如果Unicode统一规定,每个符号用三个或四个字节表示,那么每个英文字母前都必然有二到三个字节是0,文本文件的大小会因此大出二三倍,这对于存储来说是极大的浪费。这样导致一个后果:出现了Unicode的多种存储方式。 </p><p>7、互联网的兴起,网页上要显示各种字符,必须统一啊,亲。utf-8就是Unicode最重要的实现方式之一。另外还有<a target=_blank href="https://www.baidu.com/s?wd=utf-16&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">utf-16</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=utf-32&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">utf-32</span></a>等。UTF-8不是固定字长编码的,而是一种变长的编码方式。它可以使用1~4个字节表示一个符号,根据不同的符号而变化字节长度。这是种比较巧妙的设计,如果一个字节的第一位是0,则这个字节单独就是一个字符;如果第一位是1,则连续有多少个1,就表示当前字符占用多少个字节。 </p><p>8、注意unicode的字符编码和utf-8的存储编码表示是不同的,例如"严"字的Unicode码是4E25,UTF-8编码是E4B8A5,这个7里面解释了的,UTF-8编码不仅考虑了编码,还考虑了存储,E4B8A5是在存储识别编码的基础上塞进了4E25。 </p><p>9、UTF-8 使用一至四个字节为每个字符编码。128 个 ASCII 字符(Unicode 范围由 U+0000 至 U+007F)只需一个字节,带有变音符号的拉丁文、希腊文、西里尔字母、<a target=_blank href="https://www.baidu.com/s?wd=%E4%BA%9A%E7%BE%8E%E5%B0%BC%E4%BA%9A%E8%AF%AD&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">亚美尼亚语</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=%E5%B8%8C%E4%BC%AF%E6%9D%A5%E6%96%87&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">希伯来文</span></a>、<a target=_blank href="https://www.baidu.com/s?wd=%E9%98%BF%E6%8B%89%E4%BC%AF%E6%96%87&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">阿拉伯文</span></a>、叙利亚文及<a target=_blank href="https://www.baidu.com/s?wd=%E9%A9%AC%E5%B0%94%E4%BB%A3%E5%A4%AB&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dBmWFhmvD1uADLn1w9P10z0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EnH0YP163P10sPjm4n10snH64rf"><span style="color:#0000E9;">马尔代夫</span></a>语(Unicode 范围由 U+0080 至 U+07FF)需要二个字节,其他基本多文种平面(BMP)中的字符(CJK属于此类-Qieqie注)使用三个字节,其他Unicode 辅助平面的字符使用四字节编码。 </p><p>10、最后,要回答你的问题,常规来看,中文汉字在utf-8中到底占几个字节,一般是3个字节,最常见的编码方式是1110xxxx10xxxxxx 10xxxxxx。</p>