我们有多不理解字符串编码

[Windsooon]

之前写过一篇文章一文理解字符串编码，有读者发邮件给我说某个地方出错了，我检查并且修改了之后，同时也发现了国内转换工具的字符串转 UTF-8 的错误。

字符串转 UTF-8

“你”的 Unicode 编码是 U+4f60，经过转换规则转换成 UTF-8 应该是三个字节 e4bda0，你可以通过 python3 进行验证：

'>>> '你'.encode('utf-8')
b'\xe4\xbd\xa0'

不过我发现大部分的中文在线转换网站（我选择搜索引擎的前 10 位）无一例外显示的转换结果都是&#x4F60，这是“你“的 Html 实体编码，转换方式是&#x 加上“你”的 Unicode 编码，根本不是它的 UTF-8 编码。这些转换工具都把这个混淆了。相反，用英文搜索得到的转换网站都能给出正确的结果。好吧，我知道为什么大部分人不了解字符串编码了，Doge。

[ysc3839]

大概是因为这类转换网站的主要目的是赚广告费？所以就直接抄别的网站了。

[wssgcg1213]

你是有多不理解 unicode ？

unicode 只描述了一套码点，标准中还有标准平面和扩展平面之分，但是每一个字符只对应一个码点。

utf8 描述的是存储码点使用的编码格式，是一种可变长度的编码格式，描述的方法具体可以参考 wiki。

所以你例子里面的 utf8 没错，unicode 是 0x4f60 也没错

[wssgcg1213]

@wssgcg1213 好吧我看岔了

[Windsooon]

@wssgcg1213 我不确定我理解你的意思，utf8 是 unicode 的存储实现，“你”的 unicode 编码是两个字节的 4f60，它对应的 utf-8 是经过规则转换的 e4bda0。不会还是 4f60。