utf-16的问题

whshuai

如果是utf-16编码的话，一个中文占两个字节，比如测的编码为0x6d4b,我的一个文件名为"12测.txt",系统是怎样识别0x6d4b为＂测＂的啊，它怎么不识别成m和K呢？

haohao_h

呵呵！你不是自己说了两个字节吗？！

whshuai

是啊，＂12测.txt＂换成字节就是0x31 0x32 0x6d 0x4b 0x2e 0x74 0x78 0x74,那么系统读的时候可以读成"12kM.txt"啊，它怎么知道要把6d和4b一起读啊？

x11

＂12测.txt＂换成字节就是0x31 0x32 0x6d 0x4b 0x2e 0x74 0x78 0x74
这哪是utf16
这是gbk吧

DoDo

以下是Unicode和UTF-8之间的转换关系表：

2. U-00000000 - U-0000007F: 0xxxxxxx
3. U-00000080 - U-000007FF: 110xxxxx 10xxxxxx
4. U-00000800 - U-0000FFFF: 1110xxxx 10xxxxxx 10xxxxxx
5. U-00010000 - U-001FFFFF: 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
6. U-00200000 - U-03FFFFFF: 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx
7. U-04000000 - U-7FFFFFFF: 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx

复制代码

我们不讨论 UNICODE 与 UTF-8 之间的转换，只要楼主注意到 UTF-8 的码形规律，即：
通过一个编码的首字节的最高位的 1 的个数就可以判断出它是一个几字节的编码

hoho_zhao

看上面的规律，好像有些编码是要用到6个字节的？
请DODO兄说明一下。

以下给出HZK16的区位编码规律，跟什么UTF-8 UTF-16 GBK编码等无关（应该决然不同的吧）

HZ16共包括国标1、2级字库6763个汉字，分为16～87区，并按顺序在该字库文件中存储排列。

汉字内码：每个汉字对应2个字节，分为区编码和区内编码，例如：
        char ch[2];
        ch[0] = '\xb0'; //对应区编码
        ch[1] = '\xa1';//对应区内编码
        printf(ch); //将打印出第一个汉字“啊”
       
        ch[0]++对应下一个区的汉字
        ch[1]++对应同一个区的下一个汉字
       
       
特别：第55区仅含有89个汉字，除此之外，其他区均为94个汉字。

DoDo

在 UTF-8 中包含了几乎全世界所有语言的编码，其中我们常用的有英文和中文，英文和 ASCII 码相同，中文一部分是二字节编码，一部分是三字节编码。至于 6 字节的，我想那可能是用于一些极生僻的语言或者是特殊符号的吧，我从没接触到过这部分的编码。