آنلاینUTF - 8 الترميز

أداة مقدمة

آنلاین UTF-8 أداة فك التشفير

UTF-8 مقدمة

UTF-8 هو الهدف Unicode طول متغير ترميز الأحرف , رمز الأمم .

UTF-8 مستعمل 1 إلى 6 بايت ترميز UNICODE حرف .

UTF-8 قواعد الترميز

إذا كان هناك واحد فقط بايت ، أعلى بت ثنائي 0;

إذا كان متعدد البايت , البايت الأول يبدأ من أعلى , بت ثنائي مستمر 1 يحدد عدد البايتات المشفرة , بقية بايت 10 بداية .

UTF-8 تحويل الجدول المبين أدناه :
Unicode/UCS-4
bit عدد
UTF-8
byte عدد
ملاحظات
0000~
007F
0~7
0XXX XXXX
1
0080~
07FF
8~11
110X XXXX
10XX XXXX
2
0800~
FFFF
12~16
1110XXXX
10XX XXXX
10XX XXXX
3
نطاق التعريف الأساسي :0~FFFF
1 0000~
1F FFFF
17~21
1111 0XXX
10XX XXXX
10XX XXXX
10XX XXXX
4
Unicode6.1 تحديد نطاق :0~10 FFFF
20 0000~
3FF FFFF
22~26
1111 10XX
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX
5
إيضاحات : هذا غير unicode ترميز مجموعة , انتماء UCS-4 ترميز
في وقت مبكر من المواصفات UTF-8 يمكن الوصول إليها 6 تسلسل البايت , يمكن أن تغطي 31 بت ( الحد الأصلي من مجموعة الأحرف العالمية ). ومع ذلك ,2003 سنة 11 شهر . UTF-8 يكون RFC 3629 إعادة توحيد , فقط استخدام الأصلي Unicode تعريف المنطقة ,U+0000 إلى U+10FFFF. وفقا للمواصفات , هذه القيم البايت لن تظهر في UTF-8 تسلسل
400 0000~
7FFF FFFF
27~31
1111 110X
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX
10XX XXXX
6

UTF-8 ميزة

UTF-8 الترميز يمكن قراءة وكتابة بسرعة من خلال قناع بت و عملية التحول . سلسلة المقارنة strcmp() و . wcscmp() نفس النتيجة , مما يجعل الفرز أسهل . البايت FF و . FE في . UTF-8 الترميز لن تظهر , حتى أنها يمكن أن تستخدم لإظهار UTF-16 أو . UTF-32 نص . ( انظر BOM) UTF-8 ترتيب البايت . ترتيب البايت هو نفسه في جميع النظم , لذلك لا تحتاج في الواقع BOM.

UTF-8 عيب

لا يمكنك أن تبدأ UNICODE تحديد عدد الأحرف UTF-8 بايت من النص , لأن UTF-8 طول متغير الترميز 2 بايت ترميز تلك مع التمديد ASCII مجموعة الأحرف 1 بايت حرف ISO Latin-1 نعم . UNICODE مجموعة فرعية , ولكن لا UTF-8 مجموعة فرعية 8 بت حرف UTF-8 سوف يتم ترميز email بوابة الترشيح , لأن internet المعلومات التي صممت أصلا 7 بت ASCII رمز . وهكذا ولدت UTF-7 ترميز . UTF-8 استخدام القيم في التمثيل 100xxxxx احتمال تجاوز 50%, تنفيذ القائمة مثل ISO 2022, 4873, 6429, و . 8859 نظم , سوف أعتبر خطأ C1 رمز التحكم . وهكذا ولدت UTF-7.5 ترميز .