我們透過在作業系統裡進行一些簡單的聯絡，可以加深對 Unicode 編碼這些基礎知識的理解和記憶。

Windows10 作業系統下，新建一個記事本檔案，輸入 123ABCabc

預設的 encoding 格式為 UTF8：

![](https://img-blog.csdnimg.cn/img_convert/9edae7a0425fd26dbe82b7f1d465ade0.png)

![](https://img-blog.csdnimg.cn/img_convert/e89a1bfd68b6782fe929a62bf9c3b835.png)

使用 winhex 這款 16進位制檔案編輯器開啟該記事本檔案：

![](https://img-blog.csdnimg.cn/img_convert/75b4cb1ef0b0a361ba6648e91a3ba08d.png)

看到正文區域的 31 32 33 41 42 43 61 62 63。這些數字代表什麼含義？

UTF8 (Universal Character Set/Unicode Transformation Format) 是針對 Unicode 的一種可變長度字元編碼。它可以用來表示 Unicode 標準中的任何字元，而且其編碼中的第一個位元組仍與 ASCII 相容，使得原來處理 ASCII 字元的軟體無須或只進行少部分修改後，便可繼續使用。

ASCII 是美國標準資訊交換程式碼（American Standard Code for Information Interchange）的縮寫, 為美國英語通訊所設計。它由 128 個字元組成，包括大小寫字母、數字0-9、標點符號、非列印字元（換行符、製表符等4個）以及控制字元（退格、響鈴等）組成。

ascii 對照表可以從這個[連結](http://c.biancheng.net/c/ascii/)獲得。

其中數字 1，2，3 的 UTF8(ASCII) 編碼分別為 31，32和33：

![](https://img-blog.csdnimg.cn/img_convert/02e23b02abd2233177f639a0a8cfb658.png)

大寫的 A B C 的 UTF8(ANSI) 編碼為 41 42 43，小寫字母為 61 62 63：

![](https://img-blog.csdnimg.cn/img_convert/d609b687b0e2b26db7d4ea41b74afc7f.png)

ENCODING 改成 ANSI:

![](https://img-blog.csdnimg.cn/img_convert/55ef962324d057259f6fff06e04d2152.png)

winhex 中的內容不變。

記事本的 Encoding 改成 UTF8 with bom 之後：

![](https://img-blog.csdnimg.cn/img_convert/de78f4c7d66413c8667b2acbc728bc65.png)

winhex 檔案內容的前部，多了三個EF BB BF 
![](https://img-blog.csdnimg.cn/img_convert/0694cf0d31fc650eeae274eca82182a0.png)

首先，BOM 的含義是 byte order mark，BOM（byte order mark）是為 UTF-16 和 UTF-32 準備的，用於標記位元組序（byte order）。微軟在 UTF-8 中使用 BOM 是因為這樣可以把 UTF-8 和 ASCII 等編碼明確區分開。

可以把這個 EF BB BF 理解成一種特殊的標記符，用於顯式表明該檔案的編碼為 UTF-8:

https://en.wikipedia.org/wiki/Byte_order_mark#Byte_order_marks_by_encoding

![](https://img-blog.csdnimg.cn/img_convert/7198aad81c215f6e5604587ed949291f.png)

相應的，在記事本里將 encoding 改成 UTF-16(BE) 之後，檔案頭就變成了 FE FF，並且以前的 31 32 33 變成了雙位元組 00 31 00 32 00 33：

![](https://img-blog.csdnimg.cn/img_convert/a864ca6e3fce5b08d4ee3967950a3e14.png)

下面再試試中文。

在記事本里輸入一箇中文“汪”：
汪 UTF8

![](https://img-blog.csdnimg.cn/img_convert/f08f85d5a34bd6454ca470d687ce4d00.png)

E6 B1 AA 這是漢字 汪 的三位元組 Unicode 編碼，來自[網站](https://www.qqxiuzi.cn/bianma/zifuji.php)。

![](https://img-blog.csdnimg.cn/img_convert/2ce7281d76669bd13c22921a5dde4318.png)

AA 佔一個位元組，8位：1010 1010
![](https://img-blog.csdnimg.cn/img_convert/e3510dc94cb517f61edd4872264715f9.png)

UTF16-LE 6A6C

![](https://img-blog.csdnimg.cn/img_convert/cf9c3bf47696e063291346ea35428f8c.png)
3A 代表冒號：
![](https://img-blog.csdnimg.cn/img_convert/27d876cdaad4831c5268a69c40fe905f.png)

22 代表引號：
![](https://img-blog.csdnimg.cn/img_convert/16bcf3f25c3cc54a1754b3ef2dcba293.png)

透過在作業系統中實際操作，學習和理解 Unicode 編碼相關知識

相關文章