汉字在GB家族中是双字节,但在UTF-8中却是3字节,所以其编码方式是1110xxxx 10xxxxxx 10xxxxxx
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、亚美尼亚语、希伯来文、阿拉伯文、叙利亚文及马尔代夫语(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。