汉字转UTF-8过程,你知道吗？

什么是UTF-8 编码

1、取出二进制码

 String str = "春";
char[] chars = str.toCharArray();
System.out.println(Integer. toString (chars[0], 2));  

得到二进制码：

 0110011000100101  

2、UTF-8的编码规则

规则很简单，只有两条：

1、对于单字节的符号，字节的第一位设为0，后面7位为这个符号的unicode码。因此对于英语字母，UTF-8编码和ASCII码是相同的。

2、对于n字节的符号（n>1），第一个字节的前n位都设为1，第n+1位设为0，后面字节的前两位一律设为10。剩下的没有提及的二进制位，全部为这个符号的UNICODE码。

得到 UTF8编码 后字节：

 11100110  10011000  10100101  

3、UTF-8编码字节转成10进制

我们以第一个字节 11100110 为例，其他字节逻辑都是相同的。在这里11100110是以【 补码 】的形式存在的，那我们想转化成10进制，需要先推算出 原码 ，要想推算出原码，我们得先知道原码转补码的逻辑，然后再逆向推理即可：

原码转补码逻辑：符号位不变，数值位按位取反,末位再加1。

那 补码转原码的 逻辑就是：

符号位不变，末位减1，数值位按位取反。

得出 11100110 的原码 10011010， 符号位（最高位）为1，代表负数，数值位转10进制为26，那合起来就是 -26。

4、UTF-8编码字节转成16进制

二进制转16进制就简单许多，只需要从低位起每4位一组分别计算出值即可，仍然以 11100110 为例：

5、总结

按照上述的方法，汉字“春”最终得出的10进制为：

 [-26   -104  -91]  

而最终的16进制为：

 [E6  98  A5]  

汉字转16进制还是用的挺多的，浏览器url编码的时候也是默认转成16进制，只是每个编码结果前增加了 % ：

同时 Java 中的 URLEncoder.encode 方法也是一样：

编写测试代码：

 @Test
public void testEncode() throws Exception {
    String str = "春";
    System.out.println(URLEncoder.encode(str, "UTF-8"));
}  

运行结果：