Introduction

公司的微信获取名称用于显示，但是iphone的emoji字符不好保存，因为某些特殊字符是四个字节的。遂需要了解下utf8

详细介绍utf8

• UTF8代表了Unicode Transformation Format.
• “8”代表他使用8bit表示一个字符单元。
• 他可以用1个字节表示一个字符，也可以用最多四个字节表示一个字符。

• 他既可以简洁地像ASCII，也包含了所有的unicode字符。

  小于等于127，utf8使用一个字节。也就是unicode值得低七位；也和ASCII相同。
  小于等于2047，utf8使用两个字节。首字节高两位置1，第三位置0；第二个字节首位置1，第二位置0；
  大于等于2048，小于65535，utf8使用3个字节。

下表说明了utf8不同字节数的表示方法

首字节	第二字节	第三字节	第四字节	自由位数	最大unicode值
0xxxxxxx				7	007F hex (127)
110xxxxx	10xxxxxx			(5+6)=11	07FF hex (2047)
1110xxxx	10xxxxxx	10xxxxxx		(4+6+6)=16	FFFF hex (65535)
11110xxx	10xxxxxx	10xxxxxx	10xxxxxx	(3+6+6+6)=21	10FFFF hex (1,114,111)

详情参考原文

ASCII

ASCII(American Standard Code for Information Interchange)包括128个字符，其中33个字符不能显示。
有关ASCII介绍请参考连接

ASCII（American Standard Code for Information Interchange，美国信息互换标准代码，ASCⅡ）是基于拉丁字母的一套电脑编码系统。它主要用于显示现代英语和其他西欧语言。它是现今最通用的单字节编码系统，并等同于国际标准ISO/IEC 646。

ASCII第一次以规范标准的型态发表是在1967年，最后一次更新则是在1986年，至今为止共定义了128个字符，其中33个字符无法显示（这是以现今操作系统为依归，但在DOS模式下可显示出一些诸如笑脸、扑克牌花式等8-bit符号），且这33个字符多数都已是陈废的控制字符，控制字符的用途主要是用来操控已经处理过的文字，在33个字符之外的是95个可显示的字符，包含用键盘敲下空白键所产生的空白字符也算1个可显示字符（显示为空白）。

utf8和unicode的关系

unicode只规定了符号对应的二进制码，并没有规定这个二进制码如何存储。因为只有知道了怎么存储，才能确定别人书写的字节流代表的意义。例如：

“安”二进制表示为101101110001001，如果多个字符连接起来，程序不能判断这个是一个ASCII值，还是一个unicode的“安”

他们之间的关系，以及ASCII的关系，详见原文

结论

得出的结论，如果想要匹配ASCII中的可显示字符，在unicode中一个字符一般由\u开始，后跟4位16进制数。根据查表可知

：可显示字符的十六进制范围是21-7E（除去空格），那末，可ASCII中的显示字符的范围就是\u0021-\u007E.

OVER