javascript - UTF-8 与 UTF-16 和 UTF-32 转换混淆

Question

我对将 unicode 字符转换为十六进制值有点困惑。

我正在使用这个网站获取字符的十六进制值。 ( https://www.branah.com/unicode-converter )

如果我输入“A”并进行转换，那么我会得到如下内容:

0041 --> UTF-16
00000041 --> UTF-32
41 --> UTF-8
00065 --> Decimal Value

上面的输出是有意义的，因为我们可以将所有这些十六进制值转换为 65。

现在，如果我输入“Я”(不带引号)并将其转换，那么我会得到类似的值。

042f --> UTF-16
0000042f --> UTF-32
d0af --> UTF-8
01071 --> Decimal Value

此输出对我来说没有意义，因为并非所有这些十六进制值都转换回 1071。

如果您使用 d0af 并尝试将其转换回十进制值，那么您将得到 53423。

这让我很困惑，我一直在网上搜索以找到有关此转换的答案，但到目前为止我还没有找到任何好的答案。

所以，我想知道这里是否有人可以提供帮助。 (这意味着很多)//提前致谢。

您还可以在下面的链接中看到这种二进制转换的示例。(您能解释一下为什么 utf-8 二进制值在上一个示例中不同吗？？)

http://kunststube.net/encoding/

Answer 1

UTF-8 使用可变长度编码(可以使用 1、2、3 或 4 个字节来存储单个字符)。

在这种情况下:

d0af = 11010000 10101111

开头的

110 告诉我们解码时需要 2 个字节(查看原理图的字节 1 列)。解码时，我们使用字节中第一个 0 之后的二进制数字。所以，110x xxxx x 是我们实际 unicode 值的第一批值。每个额外的字节都遵循 10xx xxxx 的模式。因此，从字节 1 和 2 中获取值，我们得到:

110[10000] 10[101111] = 
      V        V
     10000 101111 = 42f = 1071

这样做的原因是对于普通字符来说，传输和存储所需的字节更少。但在需要不常见字符的特殊情况下，它仍然可以在 UTF-8 的一部分中使用。

如有任何问题，欢迎评论。