英文本母：
位元組數 : 1;編碼：gb2312
位元組數 : 1;編碼：gbk
位元組數 : 1;編碼：gb18030
位元組數 : 1;編碼：iso-8859-1
位元組數 : 1;編碼：utf-8
位元組數 : 4;編碼：utf-16
位元組數 : 2;編碼：utf-16be
位元組數 : 2;編碼：utf-16le
中文漢字：
位元組數 : 2;編碼：gb2312
位元組數 : 2;編碼：gbk
位元組數 : 2;編碼：gb18030
位元組數 : 1;編碼：iso-8859-1
位元組數 : 3;編碼：utf-8
位元組數 : 4;編碼：utf-16
位元組數 : 2;編碼：utf-16be
位元組數 : 2;編碼：utf-16le
美國人首先對其英文本元進行了編碼，也就是最早的ascii碼，用乙個位元組的低7位來表示英文的128個字元，高1位統一為0；
後來歐洲人發現你這128位哪夠用，比如法國人字母上面的還有注音符，這個怎麼區分，於是把高1位編進來吧，這樣歐洲普遍使用乙個全位元組進行編碼，最多可表示256位。
但是即使位數少，不同國家地區用不同的字元編碼，雖然0–127表示的符號是一樣的，但是128–255這一段的解釋完全亂套了，即使2進製完全一樣，表示的字元完全不一樣，比如135在法語，希伯來語，俄語編碼中完全是不同的符號；
更麻煩的是，這編碼傳到中國後，中國人發現我們有10萬多個漢字，你們歐美這256字塞牙縫都不夠。於是就發明了gb2312這些漢字編碼，典型的用2個位元組來表示絕大部分的常用漢字，最多可以表示65536個漢字字元，這樣就不難理解有些漢字你在新華字典里查得到，但是電腦上如果不處理一下你是顯示不出來的了吧。
這下各用各的字符集編碼，這世界咋統一？**人發封email給中國人，兩邊字符集編碼不同，尼瑪顯示都是亂碼啊。為了統一，於是就發明了unicode，將世界上所有的符號都納入其中，每乙個符號都給予乙個獨一無二的編碼，現在unicode可以容納100多萬個符號，每個符號的編碼都不一樣，這下可統一了，所有語言都可以互通，乙個網頁頁面裡可以同時顯示各國文字。
然而，unicode雖然統一了全世界字元的二進位制編碼，但沒有規定如何儲存啊。x86和amd體系結構的電腦小端序和大端序都分不清，別提計算機如何識別到底是unicode還是acsii了。如果unicode統一規定，每個符號用三個或四個位元組表示，那麼每個英文本母前都必然有二到三個位元組是0，文字檔案的大小會因此大出二三倍，這對於儲存來說是極大的浪費。這樣導致乙個後果：出現了unicode的多種儲存方式。
網際網路的興起，網頁上要顯示各種字元，必須統一。utf-8就是unicode最重要的實現方式之一。另外還有utf-16、utf-32等。utf-8不是固定字長編碼的，而是一種變長的編碼方式。它可以使用1~4個位元組表示乙個符號，根據不同的符號而變化位元組長度。這是種比較巧妙的設計，如果乙個位元組的第一位是0，則這個位元組單獨就是乙個字元；如果第一位是1，則連續有多少個1，就表示當前字元占用多少個位元組。
注意unicode的字元編碼和utf-8的儲存編碼表示是不同的，例如」嚴」字的unicode碼是4e25，utf-8編碼是e4b8a5，這個7裡面解釋了的，utf-8編碼不僅考慮了編碼，還考慮了儲存，e4b8a5是在儲存識別編碼的基礎上塞進了4e25。
utf-8 使用一至四個位元組為每個字元編碼。128 個 ascii 字元（unicode 範圍由 u+0000 至 u+007f）只需乙個位元組，帶有變音符號的拉丁文、希臘文、西里爾字母、亞美尼亞語、希伯來文、阿拉伯文、敘利亞文及馬爾地夫語（unicode 範圍由 u+0080 至 u+07ff）需要二個位元組，其他基本多文種平面（bmp）中的字元（cjk屬於此類-qieqie注）使用三個位元組，其他 unicode 輔助平面的字元使用四位元組編碼。
所以知道utf-8的中文是乙個字元佔幾個位元組了吧？
utf 8的中文漢字
從字元編碼講起。1 美國人首先對其英文本元進行了編碼，也就是最早的ascii碼，用乙個位元組的低7位來表示英文的128個字元，高1位統一為0 2 後來歐洲人發現尼瑪你這128位哪夠用，比如我高貴的法國人字母上面的還有注音符，這個怎麼區分，得，把高1位編進來吧，這樣歐洲普遍使用乙個全位元組進行編碼，最...
lua匹配UTF 8中文漢字
lua5.3雖然支援utf 8，但是自帶的string庫不支援漢字的處理，而且lua的正則實現也比較雞肋，很難匹配中文。所以文章討論utf 8字符集，中文漢字的表示方法，然後說明lua如何匹配utf 8中文漢字。初識utf 8 utf 8是unicode的一種實現，是一種變長位元組編碼方式。對於某乙...
python中英文本母和中文漢字所佔的位元組
1.判斷所佔位元組數可以用下面語句判斷 中文和符號 print type 中文 encode utf 8 輸出為bytes型別 執行結果 class bytes print type 中文 encode gbk 執行結果 class bytes print len 中文 encode utf 8 輸...