什么是UTF-8编码

UTF-8是一种变长字节编码方式。对于某一个字符的UTF-8编码，如果只有一个字节则其最高二进制位为0；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为1的个数决定了其编码的位数，其余各字节均以10开头。UTF-8最多可用到6个字节。 如表：

1字节： 0xxxxxxx

2字节：110xxxxx 10xxxxxx

3字节：1110xxxx 10xxxxxx 10xxxxxx

4字节：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx

5字节：111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

6字节：1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

因此UTF-8中可以用来表示字符编码的实际位数最多有31位，即上表中x所表示的位。除去那些控制位（每字节开头的10等），这些x表示的位与UNICODE编码是一一对应的，位高低顺序也相同。

实际将UNICODE转换为UTF-8编码时应先去除高位0，然后根据所剩编码的位数决定所需最小的UTF-8编码位数。 因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一个字节的UTF-8编码（7个二进制位）便可以表示，而对于汉字，则一般需要3个字节表示。

1、取出二进制码本文以汉字“春”为例进行说明

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

得到二进制码：

0110011000100101

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

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：

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

运行结果：