UTF-8和Unicode
Yili Zhao
Go编程语言的源代码是采用UTF-8编码的Unicode文本，一直以来我都没有弄清楚什么叫做“UTF-8编码的Unicode文本”？既然是用UTF-8编码的，为什么不直接就称为UTF-8文本，而要称为Unicode文本？
请帮忙深入浅出的解释一下，谢谢！
--
Yili Zhao
Howard Fan
会议没有不隆重的；闭幕没有不胜利的
讲话没有不重要的；鼓掌没有不热烈的；
领导没有不重视的；看望没有不亲切的；
接见没有不亲自的；进展没有不顺利的；
完成没有不圆满的；成就没有不巨大的；
工作没有不扎实的；效率没有不显著的;
决议没有不通过的；人心没有不振奋的；
班子没有不团结的；群众没有不满意的;
领导没有不微笑的，问题没有不解决的;
事情没有不瞩目的，会谈没有不坦诚的；
反对没有不强烈的，交涉没有不严正的；
完成没有不超额的；竣工没有不提前的；
中日没有不友好的，中美没有不合作的；
节日没有不祥和的；妇女没有不解放的;
决策没有不英明的；路线没有不正确的；
扫黄没有不彻底的；行动没有不果断的；
形势没有不大好的；观点没有不赞同的；
气氛没有不友好的；信心没有不增强的；
粮食没有不丰收的，抗洪没有不英勇的；
贪官总是极少数的，群众总是受蒙蔽的；
干涉没有不粗暴的，遗憾没有不深表的
对抗总是没出路的，后果总是你来负的；
台读分子总是一小撮的，反话势力总是到处有的，
亡我之心总是不死的，美国人民没有不友好的，
态度没有不坚决的，措施没有不得力的，
成绩总是主要的，问题总是暂时的，
阿族武装总没好人的，塞族武装总没坏人的，
科斯图呢察总是美国豢养的，米络舍维奇总是冤枉的，
申奥没有不支持的，法律没有不公正的，
上述没有不驳回的，国家机密总没说得出定义的，
调研没有不深入的，贯彻没有不彻底的，
理论没有不高屋建瓴的，政策没有不鼓舞人心的；
大赛没有一次不冲击的，关键比赛没有一场赢的，
生命没有不宝贵的，抢救没有不及时的，
损失没有不惨重的，设计没有不合理的，
技术没有不先进的，论证没有不专家的，
检测没有不严格的，运行没有不可靠的，
系统没有不安全的，特色没有不中国的，
失误总是难免的，运动总是成效显著的，
问题总是历史造成的；创造利润没有小的，
带来利税没有少的，农业没有不遭灾的，
灾年没有不丰收的。江河没有不治的，
大水没有不发的，团结总是紧密的，
拥护总是一致的，旗帜总是高举的，
思想总是坚持的，道路总是曲折的,
前途总是光明的。社会总是在嘴边的，
初级阶段总是过不完的！工人下岗没有不再就业的，
成绩肯定是在领导的关心下取得的；
农民减负没有不奔小康的！
前总统没有不是老朋友的。
2011/12/1 Yili Zhao <pan...@gmail.com>:
> --
> 来自: Golang China 中文Go语言技术邮件列表
> 发言: golang...@googlegroups.com
> 在线: http://groups.google.com/group/golang-china?hl=zh-CN
>
george tso
Jay True
Oling Cat
Jay True
chai2010
Unicode 和 UTF-32 可不是一回事啊。Unicode 表示的是一个整数和一个字符之间的对应关系，而 UTF-8、UTF-16、UTF-32 则是这个整数在计算机中的存储与处理方式。
On Thu, Dec 1, 2011 at 2:59 PM, Oling Cat <olin...@gmail.com> wrote:
UTF-8是变长编码，用一个字节表示ASCII字符，用两个字节表示西欧字符和一部分亚洲字符，用三个字节表示亚洲的大部分字符,，还有极小一部分几乎用不到的字符用四个字节表示。Unicode是定长编码，也是标准和规范，所有字符都用四个字节编码，即UTF-32。（补充个小知识：Unicode的学名叫"Universal Multiple-Octer Coded Character Set"，简称UCS，UCS是"Unicode Character Set"的缩写，所以UCS其实就是指Unicode。UCS有两种格式：UCS2和UCS4，UCS2就是用两个字节编码，所以其变长编码的实现又叫UTF-16,；UCS4就是四个字节编码，所以其编码实现又叫UTF-32。1byte=8bit应该知道吧？）按说一切都用Unicode就解决了，就算转换也是在ASCII字符前面加三个字节的0，比如ASCII单字节的0x20变成UTF-32四字节的0x00000020。但由于以前的C语言和Unix使用ASCII编码，而0x00在C语言里面是控制字符，所以定长的UTF-32和ASCII码不兼容，UTF-16虽然是变长的，但最小长度为2个字节，所以也同样不兼容。UTF-8虽然兼容了ASCII，但转换为UTF-16有一套规则，详细请看参考来源。简而言之，Unicode是标准，UTF-8是Unicode标准中UCS2格式的一个实现+扩展，就像ANSI-C是标准，gcc是其实现+自己的扩展，你问的那句就像“某程序的源码是包含了gcc库的ANSI-C语言源码”一样。--参考来源：1.字符编码的故事2.各种编码间的关系--Hello! This is Oling Cat!
--
来自: Golang China 中文Go语言技术邮件列表
发言: golang...@googlegroups.com
在线: http://groups.google.com/group/golang-china?hl=zh-CN
chaishushan
Oling Cat
Jay True
Oling Cat
Yili Zhao
> UTF-8/UTF-16/UTF-32是编码方式. (针对计算机)
按这种方式，假设整数1024代表中文字符'语'字，所谓Unicode指的就是1024到'语'之间的对应关系；而这个整数存储在计算机里面，用几个字节来表示，就要看是采用UTF-8还是UTF-16，或者是UTF-32。如果采用UTF-8或者是UTF-16，那就用两个字节存储；如果使用UTF-32，那就使用四个字姐存储。
这种理解方式对吗？
--
Yili Zhao
Oling Cat
下面是Unicode和UTF-8转换的规则
Unicode UTF-8
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx
例如"汉"字的Unicode编码是6C49。6C49在0800-FFFF之间，所以要用3字节模板：1110xxxx 10xxxxxx 10xxxxxx。将6C49写成二进制是：0110 1100 0100 1001，将这个比特流按三字节模板的分段方法分为0110 110001 001001，依次代替模板中的x，得到：1110-0110 10-110001 10-001001，即E6 B1 89，这就是其UTF8的编码。
Jay True
Howard Fan
len("姐") 是 3, 而 "姐"[0] 是 229, 而 []int ("姐") [0] 是 22992
参考 http://play.golang.org/p/GjMzBT9GeN
http://golang.org/doc/go_spec.html#String_literals
http://golang.org/doc/go_spec.html#Conversions
2011/12/1 Yili Zhao <pan...@gmail.com>:
Oling Cat
Yili Zhao
--
Yili Zhao
Howard Fan
2011/12/1 Oling Cat <olin...@gmail.com>:
Howard Fan
2011/12/1 Yili Zhao <pan...@gmail.com>:
Oling Cat
shiwei xu
--
来自: Golang China 中文Go语言技术邮件列表
发言: golang...@googlegroups.com
在线: http://groups.google.com/group/golang-china?hl=zh-CN
许式伟
Howard Fan
2011/12/1 shiwei xu <xushi...@gmail.com>:
Ying
>>
> --
> 来自: Golang China 中文Go语言技术邮件列表
> 发言: golang...@googlegroups.com
> 在线: http://groups.google.com/group/golang-china?hl=zh-CN
>
--
chai2010
Yili Zhao
--
Yili Zhao