UTF-8编码

UTF-8是Unicode的实现方式之一。
UTF-8最大的一个特点，就是它是一种变长的编码方式。它可以使用1~4个字节表示一个符号，根据不同的符号而变化字节长度。

UTF-8的编码规则很简单，只有二条：

  1. 对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。
  2. 对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的unicode码。

解读UTF-8编码非常简单，如果一个字节的第一位是0，则这个字节单独就是一个字符；如果第一位是1，则连续有多少个1，就表示当前字符占用多少个字节。

Endian:

数据在内存中的存储，其字节序可分为两种，Big endian和Little endian。对于十六进制表示的两字节数0x1234来说——

Big endian：

地址：|0x00|0x01|

内容：|0x12|0x34|

低地址位存储高位字节，就像我们生活中正常写数字一样，从左到右读，数位由高到低。

Little endian:

地址：|0x00|0x01|

内容：|0x34|0x12|

低地址位存储低位字节。

C语言中判断机器是Big endian还是Little endian：

1
2
3
4
5
6
7
8
9
10
11
12
13
#include <stdio.h>
#include <stdlib.h>
int main()
{
	int a = 0x1234;
	char b = *(char*)&a;
	if(b == 0x12)
		printf("big end\n");
	else
		printf("little end\n");
	return 0;
}