🔠 中文 ↔ UTF-8 转换

什么是 UTF-8？

UTF-8（Unicode Transformation Format - 8 bit）是目前互联网使用最广泛的Unicode 变长字符编码。它把每个 Unicode 码点按其数值大小映射为 1～4 个字节：ASCII 字符占 1 字节，带音符的拉丁字母与西里尔文等占 2 字节，绝大多数中文汉字占 3 字节，emoji 等增补平面字符占 4 字节。变长设计兼顾了英文文档的存储效率与全球字符的完整覆盖，HTML、JSON、数据库默认字符集几乎都是 UTF-8。

UTF-8 编码规则与字节数对照

以「中」为例：码点为 U+4E2D（二进制 0100 1110 0010 1101），落入 3 字节区间，填入模板得 11100100 10111000 10101101，即 E4 B8 AD —— 这就是「中」的 UTF-8 编码。

Unicode 与 UTF-8 是一回事吗？

不是。Unicode 是字符集，给每个字符分配唯一编号（码点），如「中」= U+4E2D；UTF-8 是编码方案，规定这个编号如何在存储与传输中落成字节序列。同一码点用 UTF-16 编码是 4E 2D（2 字节），用 GBK 是 D6 D0，用 UTF-8 则是 E4 B8 AD。「乱码」的根源几乎都是用错误的编码方案去解读正确的字节流，例如把 UTF-8 的中文当 GBK 打开就会看到「涓枃」这类天书。

三种输出形式的用途

• 十六进制字节（E4 B8 AD）：查看文件十六进制内容、分析协议报文、调试数据库存储时最直观的形式。
• \xXX 转义（\xE4\xB8\xAD）：C、Python、PHP 等编程语言字符串字面量中的字节转义写法，常用于构造正则或测试数据。
• %XX 百分号编码（%E4%B8%AD）：URL 中传递非 ASCII 字符的标准方式（RFC 3986），浏览器地址栏里看到的「乱码」链接其实就是它。

常见问题

• 为什么一个汉字是 3 个字节？常用汉字码点位于 U+0800 ～ U+FFFF 区间，按 UTF-8 规则需 3 字节；而英文字母、数字只占 1 字节，这就是同样一篇文档中文版本更大的原因。
• %E4%B8%AD 和 URL 编码是一回事吗？本质相同：URL 百分号编码就是把字符的 UTF-8 字节逐个加上 % 前缀。需要配合 ? & = 等保留字符处理时请使用站内「URL编码解码」工具。
• 解不开报错？请检查有效十六进制字符数是否为偶数（每字节 2 个字符）；输入中的空格、换行、冒号、逗号及 \x、%、0x 前缀会被自动忽略，大小写混排亦可识别。
• 支持 emoji 吗？支持。emoji 属于 4 字节区段，会正确编出 8 个十六进制字符，解码时同样还原。

使用说明与小贴士

选择「中文转 UTF-8」粘贴文本，或选择「UTF-8 转中文」粘贴任意形式的 UTF-8 编码串，即实时出结果；点击「⇄ 交换」把结果送回输入框反向验证。输出形式仅影响编码结果的书写样式，解码时一律自动兼容所有形式。所有转换均在浏览器本地完成，不会上传任何数据。