utf-8中的漢字佔用多少位元組

佔2個位元組的：〇

佔3個位元組的：基本等同於GBK，含21000多個漢字

佔4個位元組的：中日韓超大字元集裡面的漢字，有5萬多個

一個utf8數字佔1個位元組

一個utf8英文字母佔1個位元組

 

在尋找 UTF-8 編碼資料時發現，很多的文章說的 UTF-8 編碼裡，一個漢字佔用3個位元組，有的還做了個證明，大概是這樣的，建立一個沒有BOM的UTF-8編碼的文字檔，裡面儲存了幾個漢字，然後查看檔案的大小。我覺得這樣的證明沒有一點說服力，因為 UTF-8 是變長的，1-6個位元組，少量的漢字檢測是不能說明所有的漢字都是的。

後來我又查看了字元對應表－漢語，找到了正確的答案，少數是漢字每個佔用3個位元組，多數佔用4個位元組。

佔用3個位元組的範圍

U+2E80 - U+2EF3 : 0xE2 0xBA 0x80 - 0xE2 0xBB 0xB3      共 115 個U+2F00 - U+2FD5 : 0xE2 0xBC 0x80 - 0xE2 0xBF 0x95      共 213 個U+3005 - U+3029 : 0xE3 0x80 0x85 - 0xE3 0x80 0xA9      共 36 個U+3038 - U+4DB5 : 0xE3 0x80 0xB8 - 0xE4 0xB6 0xB5      共 7549 個U+4E00 - U+FA6A : 0xE4 0xB8 0x80 - 0xEF 0xA9 0xAA      共 44138 個U+FA70 - U+FAD9 : 0xEF 0xA9 0xB0 - 0xEF 0xAB 0x99      共 105 個

合計： 52156 個

佔用4個位元組的範圍

U+20000 - U+2FA1D : 0xF0 0xA0 0x80 0x80 - 0xF0 0xAF 0xA8 0x9D      共 64029 個

合計： 64029 個