Unicode、UTF-8、UTF-16 到底是什么关系？

发布于 2026-08-20 14:00:00 · 0 阅读 · 标签：Unicode,UTF-8,编码,字符集

Unicode 是字符集（编号），UTF-8/16 是编码方式（怎么存）。讲清码点、变长存储、为什么中文占 3 字节以及乱码的根源。

一、字符集 vs 编码方式

最核心的一句话：

• Unicode 是字符集：给全世界每个字符分配唯一编号（码点），如「中」= U+4E2D。
• UTF-8/UTF-16/UTF-32 是编码方式：规定码点在内存/磁盘中用几个字节、怎么排。

类比：Unicode 是「学号分配表」，UTF-8 是「学号怎么印在胸牌上」。

二、UTF-8：变长的天才设计

UTF-8 用 1-4 字节存一个码点：

• ASCII（英文、数字、常见符号）：1 字节，与老系统完全兼容。
• 拉丁字母扩展、希腊文等：2 字节。
• 中文常用字：3 字节。
• emoji、生僻字：4 字节。

首字节的前导 1 的个数标识长度，解码器自同步，这是互联网选择 UTF-8 的根本原因。

三、UTF-16 与「字节序」

UTF-16 用 2 或 4 字节存码点，Windows API、Java 内部字符串用它。多字节存储引出字节序问题：同样两字节，大端（BOM：FE FF）和小端（FF FE）读法不同——文件开头看到的 BOM 就是干这个的。

「笨」字 UTF-8 是 E7 AC A8，UTF-16 大端是 7B28——同一字符、不同编码、字节完全不同，这就是乱码的本质：用 A 编码写入、用 B 编码读取。

四、实战建议

1. 新项目一律 UTF-8（MySQL 记得 utf8mb4，老 utf8 存不了 4 字节 emoji）。
2. 排查乱码先问三个问题：文件实际是什么编码、程序按什么编码读、输出端按什么编码显示。
3. HTTP 头 Content-Type: text/html; charset=utf-8 显式声明，别让浏览器猜。

在线体验

不用装任何环境，直接用本站Base64 编解码工具在线操作，数据都在浏览器本地处理，方便又安全。