Zum Inhalt springen
uencoder

UTF-8

UTF-8 ist Unicodes Form mit variabler Länge, die 1 bis 4 Bytes pro Codepunkt verwendet; sie ist vollständig abwärtskompatibel zu ASCII und der De-facto-Standard des Webs und moderner Systeme.

Zweck

Alle Unicode-Codepunkte abdecken und dabei ASCII-kompatibel bleiben (keine Vergrößerung für Englisch), byteordnet unabhängig und selbstsynchronisierend – ideal für die Netzwerkübertragung.

Mechanismus

Der Codepunktbereich bestimmt die Bytelänge: U+0000-007F belegt 1 Byte; U+0080-07FF, 2; U+0800-FFFF, 3; U+10000-10FFFF, 4. Die Anzahl führender 1-Bits im ersten Byte gibt die Sequenzlänge an.

Anwendungsfälle

  • Standardkodierung von HTML-/XML-/JSON-Dokumenten
  • Transport von HTTP- und E-Mail-Textkörpern
  • Kodierung von Quellcodedateien
  • Standardzeichensatz von Datenbanken

Beispiele

  • Eingabe 
    A
    Output 
    0x41

    An ASCII character, 1 byte

  • Eingabe 
    U+4E2D
    Output 
    0xE4 0xB8 0xAD

    A BMP CJK ideograph, 3 bytes

Häufige Fehler

Truncating a UTF-8 string mid-sequence, producing invalid bytes
Truncate at character boundaries or use encoding-aware APIs

Verwandte Begriffe

Unicode
Unicode ist der internationale Zeichenkodierungsstandard, der fast jedem Zeichen der Schriftsysteme der Welt einen eindeutigen Codepunkt (U+0000 bis U+10FFFF) zuweist, mit einem Coderaum von 1.114.112 Punkten.
GLOSSAR
UTF-16
UTF-16 ist Unicodes Form mit variabler Länge, die 2 oder 4 Bytes pro Codepunkt verwendet: BMP-Zeichen belegen eine 16-Bit-Codeeinheit, Zeichen der ergänzenden Ebenen ein Ersatzpaar (2 Einheiten).
GLOSSAR
ASCII
ASCII (American Standard Code for Information Interchange) ist ein 7-Bit-Zeichenkodierungsstandard, der 128 Zeichen (0-127) definiert, einschließlich Buchstaben, Ziffern, Symbole und Steuerzeichen.
GLOSSAR
BOM
Die BOM (Byte-Order-Mark) ist das Unicode-Zeichen U+FEFF, das an den Anfang eines Textstroms gesetzt wird, um Kodierungsform und Byte-Reihenfolge anzuzeigen.
GLOSSAR

Verwandte Tools

Unicode-Konverter
Convert text to Unicode code points, UTF-8 hex, or UTF-16 hex online. Kostenlos, privat und 100% clientseitig.
WERKZEUG
Zeichensatz-Referenz
Reference table of character encodings. Kostenlos, privat, 100% clientseitig.
WERKZEUG
Encoding-Detektor
Prüft die Textkodierung: ASCII-Teilmenge, UTF-8-BOM und Nicht-ASCII-Zeichen. Texteingaben werden immer als UTF-8 neu kodiert, daher können Legacy-Kodierungen (GBK/Big5/Shift-JIS) nicht unterschieden werden. Kostenlos, privat, 100% clientseitig.
WERKZEUG

References