我们通过在操作系统里进行一些简单的联系，可以加深对 Unicode 编码这些基础知识的理解和记忆。

Windows10 操作系统下，新建一个记事本文件，输入 123ABCabc

默认的 encoding 格式为 UTF8：

![](https://img-blog.csdnimg.cn/img_convert/9edae7a0425fd26dbe82b7f1d465ade0.png)

![](https://img-blog.csdnimg.cn/img_convert/e89a1bfd68b6782fe929a62bf9c3b835.png)

使用 winhex 这款 16进制文件编辑器打开该记事本文件：

![](https://img-blog.csdnimg.cn/img_convert/75b4cb1ef0b0a361ba6648e91a3ba08d.png)

看到正文区域的 31 32 33 41 42 43 61 62 63。这些数字代表什么含义？

UTF8 (Universal Character Set/Unicode Transformation Format) 是针对 Unicode 的一种可变长度字符编码。它可以用来表示 Unicode 标准中的任何字符，而且其编码中的第一个字节仍与 ASCII 相容，使得原来处理 ASCII 字符的软件无须或只进行少部分修改后，便可继续使用。

ASCII 是美国标准信息交换代码（American Standard Code for Information Interchange）的缩写, 为美国英语通信所设计。它由 128 个字符组成，包括大小写字母、数字0-9、标点符号、非打印字符（换行符、制表符等4个）以及控制字符（退格、响铃等）组成。

ascii 对照表可以从这个[链接](http://c.biancheng.net/c/ascii/)获得。

其中数字 1，2，3 的 UTF8(ASCII) 编码分别为 31，32和33：

![](https://img-blog.csdnimg.cn/img_convert/02e23b02abd2233177f639a0a8cfb658.png)

大写的 A B C 的 UTF8(ANSI) 编码为 41 42 43，小写字母为 61 62 63：

![](https://img-blog.csdnimg.cn/img_convert/d609b687b0e2b26db7d4ea41b74afc7f.png)

ENCODING 改成 ANSI:

![](https://img-blog.csdnimg.cn/img_convert/55ef962324d057259f6fff06e04d2152.png)

winhex 中的内容不变。

记事本的 Encoding 改成 UTF8 with bom 之后：

![](https://img-blog.csdnimg.cn/img_convert/de78f4c7d66413c8667b2acbc728bc65.png)

winhex 文件内容的前部，多了三个EF BB BF 
![](https://img-blog.csdnimg.cn/img_convert/0694cf0d31fc650eeae274eca82182a0.png)

首先，BOM 的含义是 byte order mark，BOM（byte order mark）是为 UTF-16 和 UTF-32 准备的，用于标记字节序（byte order）。微软在 UTF-8 中使用 BOM 是因为这样可以把 UTF-8 和 ASCII 等编码明确区分开。

可以把这个 EF BB BF 理解成一种特殊的标记符，用于显式表明该文件的编码为 UTF-8:

https://en.wikipedia.org/wiki/Byte_order_mark#Byte_order_marks_by_encoding

![](https://img-blog.csdnimg.cn/img_convert/7198aad81c215f6e5604587ed949291f.png)

相应的，在记事本里将 encoding 改成 UTF-16(BE) 之后，文件头就变成了 FE FF，并且以前的 31 32 33 变成了双字节 00 31 00 32 00 33：

![](https://img-blog.csdnimg.cn/img_convert/a864ca6e3fce5b08d4ee3967950a3e14.png)

下面再试试中文。

在记事本里输入一个中文“汪”：
汪 UTF8

![](https://img-blog.csdnimg.cn/img_convert/f08f85d5a34bd6454ca470d687ce4d00.png)

E6 B1 AA 这是汉字 汪 的三字节 Unicode 编码，来自[网站](https://www.qqxiuzi.cn/bianma/zifuji.php)。

![](https://img-blog.csdnimg.cn/img_convert/2ce7281d76669bd13c22921a5dde4318.png)

AA 占一个字节，8位：1010 1010
![](https://img-blog.csdnimg.cn/img_convert/e3510dc94cb517f61edd4872264715f9.png)

UTF16-LE 6A6C

![](https://img-blog.csdnimg.cn/img_convert/cf9c3bf47696e063291346ea35428f8c.png)
3A 代表冒号：
![](https://img-blog.csdnimg.cn/img_convert/27d876cdaad4831c5268a69c40fe905f.png)

22 代表引号：
![](https://img-blog.csdnimg.cn/img_convert/16bcf3f25c3cc54a1754b3ef2dcba293.png)

ITPub博客

通过在操作系统中实际操作，学习和理解 Unicode 编码相关知识

最新文章