一个汉字占用几个字节？3~4个！

先说答案，在UTF-8编码中，常用汉字通常占3个字节。具体情况取决于该汉字的Unicode编码值。

 

要理清这个概念，需要知道人类所认知的数据（或者说信息）和计算机所理解的数据是不同的。

比如一句话（一个数据）汉语表达是“你好，世界”

英语中，“hello，world”

法语中，“Bonjour, le monde”

日语中，“こんにちは、世界”

但在计算机中，数据都变成了0和1，我们可以类比汉语中的汉字和句子，比如你好这两个字，由字你和好组成，那么转换成计算机能存储和传输的数据，就需要一张表来映射成数字（毕达哥拉斯：万物皆数），再将数字转换成二进制就变成了

 

11100100 10111101 10100000    // 你
11100101 10100101 10111101    // 好

 

由于计算机是在美国发明的，因此当时只考虑了美国人所常用的字符，那张表被称为ASCII表，如今这张表被无数人扩充变成了Unicode 符号表，UTF-8编码就是按照Unicode 符号表将字符转换为字节序列。

在线Unicode符号表查询  https://symbl.cc/    https://symbl.cc/cn/

 

 

Unicode 符号表，作为人类定义出来表，其码值自然是十进制值。比如上图可以得知 f(你) = 14990752，但是计算机使用二进制，因此11100100 10111101 10100000才是计算机中你所对应的数据，但是这个表达对于人类而言又太过繁杂，因此人们常使用十六进制_Hexadecimal（E4 BD A0）来表达一个字符（你）的对应的Unicode码值。

那么为什么11100100 10111101 10100000是3个字节呢？位（bit）是计算机中最小的数据单位，它只能表示0或1，也就是二进制的一个位。而字节（byte）则是8个位组成的，即8个位等于1个字节（8bit = 1byte），显然“你”这个汉字就是3个字节。

 

在计算机领域，人们表述十六进制、八进制值，是表示或解释这些二进制数据的一种方式

可以类比生活中的：一打，对应12支；一刻钟，对应15分钟；一年，对应365天……

简而言之，就是表述十六进制值只是为了方便（方便人类阅读和书写），实际上我们归根结底讨论的还是二进制值。

 

当出现新的字符需要被加入该符号表中时，就继续在表的尾部进行扩充。例如爱心在Unicode符号表中是这样的