iOS UTF-8编码

一、介绍

UTF-8 是一套以 8 位为一个编码单位的可变长编码，会将一个码位（一个字符）编码为 1 到 4 个字节。

Unicode 是字符集，为每一个字符分配一个唯一的 ID（码位 / 码点 /编号），一个十六进制的码位，例如：“知”的码位是U+77E5。
UTF-8 是编码规则，将码位转换为字节序列的规则

二、原理

UTF-8 编码规则：
1、对于单字节的符号，字节的第一位（字节的最高位）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。

下表总结了编码规则，字母x表示可用编码的位。

Unicode符号范围 | UTF-8编码方式 
(十六进制)      | （二进制） 
--------------------+--------------------------------------------- 
U+ 0000 ~ U+ 007F |  0XXXXXXX
U+ 0080 ~ U+ 07FF |  110XXXXX 10XXXXXX
U+ 0800 ~ U+ FFFF |  1110XXXX 10XXXXXX 10XXXXXX
U+10000 ~ U+1FFFF |  11110XXX 10XXXXXX 10XXXXXX 10XXXXXX

示例1

根据上表中的编码规则，之前的「知」字的码位 U+77E5 属于第三行的范围：

       7    7    E    5    
    0111 0111 1110 0101    二进制的 77E5
--------------------------
    0111   011111   100101 二进制的 77E5
1110XXXX 10XXXXXX 10XXXXXX 模版（上表第三行）
11100111 10011111 10100101 代入模版
   E   7    9   F    A   5

这就是将 U+77E5 按照 UTF-8 编码为字节序列 E79FA5 的过程。反之亦然。

示例2

下面，再以汉字“严”为例，演示如何实现UTF-8编码：
“严”的Unicode编码：4E25
4：0100
E：1110
2：0010
5：0101
所以汉字“严”的二进制编码为：0100111000100101。
根据上表，可以发现4E25处在第三行的范围内（0000 0800-0000 FFFF），因此“严”的UTF-8编码需要三个字节，即格式是“1110xxxx 10xxxxxx 10xxxxxx”。
从“严”的最后一个二进制位开始，依次从后向前填入格式中的x，多出的位补0。
这样就得到了，“严”的UTF-8编码是“11100100 10111000 10100101”，转换成十六进制就是E4B8A5。

未命名文件 (1).png

三、代码

/// utf-8编码
- (NSString *)stringToUTF8:(NSString *)string
{
    return [string stringByAddingPercentEncodingWithAllowedCharacters:[NSCharacterSet URLQueryAllowedCharacterSet]];
}

/// utf-8解码
- (NSString *)utf8ToString:(NSString *)string
{
    return [string stringByRemovingPercentEncoding];
}

参考链接：
Unicode 和 UTF-8 有什么区别？
UTF-8编码原理
Unicode码对照表