unicode编码表（全）（utf-8 繁体中文编码表 范围 是多少）

本文目录

• utf-8 繁体中文编码表 范围 是多少
• 汉字的unicode编码
• Unicode字符列表的代码显示与描述
• 常见字符编码格式
• 希腊字母unicode编码是多少

utf-8 繁体中文编码表 范围 是多少

UTF-8是Unicode的一种实现方式，也就是它的字节结构有特殊要求，所以我们说一个汉字的范围是0X4E00到0x9FA5，是指unicode值，至于放在utf-8的编码里去就是由三个字节来组织，所以可以看出unicode是给出一个字符的范围，定义了这个字是码值是多少，至于具体的实现方式可以有多种多样来实现。
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。
对于上面的问题，代码中给出的两个字节是
十六进制：C0 B1
二进制：11000000 10110001
对比两个字节编码的表示方式：
110xxxxx 10xxxxxx
提取出对应的UNICODE编码：
00000 110001
可以看出此编码并非“标准”的UTF-8编码，因为其第一个字节的“有效编码”全为0，去除高位0后的编码仅有6位。由前面所述，此字符仅用一个字节的UTF-8编码表示就够了。
JAVA在把字符还原为UTF-8编码时，是按照“标准”的方式处理的，因此我们得到的是仅有1个字节的编码。
大家可以试试运行这段代码：
public class TestUTF8 {
public static void main(String args) throws Exception {
byte bytes = {
// 00110001
{(byte)0x31},
// 11000000 10110001
{(byte)0xC0,(byte)0xB1},
// 11100000 10000000 10110001
{(byte)0xE0,(byte)0x80,(byte)0xB1},
// 11110000 10000000 10000000 10110001
{(byte)0xF0,(byte)0x80,(byte)0x80,(byte)0xB1},
// 11111000 10000000 10000000 10000000 10110001
{(byte)0xF8,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0xB1},
// 11111100 10000000 10000000 10000000 10000000 10110001
{(byte)0xFC,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0xB1},
};
for (int i = 0; i 《 6; i++) {
String str = new String(bytes, "UTF-8");
System.out.println("原数组长度：" + bytes.length +
"/t转换为字符串：" + str +
"/t转回后数组长度：" + str.getBytes("UTF-8").length);
}
}
}
　　运行结果为：
原数组长度：1 转换为字符串：1 转回后数组长度：1
原数组长度：2 转换为字符串：1 转回后数组长度：1
原数组长度：3 转换为字符串：1 转回后数组长度：1
原数组长度：4 转换为字符串：1 转回后数组长度：1
原数组长度：5 转换为字符串：1 转回后数组长度：1
原数组长度：6 转换为字符串：1 转回后数组长度：1

汉字的unicode编码

在Java中采用unicode字陪脊符集，每个字符占据2个字节，unicode字符集最多可包含65 535个字符。

65 535是一个很大的数字，英文字母、俄文字母、希腊字母、日文字母、阿拉伯数字、标点符号以及汉字等，都是unicode字符集中的字符。

具体而言，汉字对应的unicode范围为\u4E00~\u9FA5,9FA5-4E00=30101,即数森有30101个汉字，我们常用的汉芦毕渗字有7000个。

Unicode字符列表的代码显示与描述

代码 显示 描述
U+0020 空格
U+0021 ! 叹号 　　U+0022 双引号 　　U+0023 # 井号 　　U+0024 $ 价钱/货币符号 　　U+0025 % 百分比符号 　　U+0026 & 英文“and”的简写符号 　　U+0027 ’ 引号 　　U+0028 ( 开 圆括号 　　U+0029 ) 关 圆括号 　　U+002A * 星号 　　U+002B + 加号 　　U+002C , 逗号 　　U+002D - 连字号/减号 　　U+002E . 句号 　　U+002F / 由右上至左下的斜线 　　U+0030 0 数字 0 　　U+0031 1 数字 1 　　U+0032 2 数字 2 　　U+0033 3 数字 3 　　U+0034 4 数字 4 　　U+0035 5 数字 5 　　U+0036 6 数字 6 　　U+0037 7 数字 7 　　U+0038 8 数字 8 　　U+0039 9 数字 9 　　U+003A : 冒号 　　U+003B ; 分号 　　U+003C 《 小于符号 　　U+003D = 等于号 　　U+003E 》 大于符号 　　U+003F ? 问号 　　U+0040 @ 英文“at”的简写符号 　　U+0041 A 拉丁字母 A 　　U+0042 B 拉丁字母 B 　　U+0043 C 拉丁字母 C 　　U+0044 D 拉丁字母 D 　　U+0045 E 拉丁字母 E 　　U+0046 F 拉丁字母 F 　　U+0047 G 拉丁字母 G 　　U+0048 H 拉丁字母 H 　　U+0049 I 拉丁字母 I 　　U+004A J 拉丁字母 J 　　U+004B K 拉丁字母 K 　　U+004C L 拉丁字母 L 　　U+004D M 拉丁字母 M 　　U+004E N 拉丁字母 N 　　U+004F O 拉丁字母 O 　　U+0050 P 拉丁字母 P 　　U+0051 Q 拉丁字母 Q 　　U+0052 R 拉丁字母 R 　　U+0053 S 拉丁字母 S 　　U+0054 T 拉丁字母 T 　　U+0055 U 拉丁字母 U 　　U+0056 V 拉丁字母 V 　　U+0057 W 拉丁字母 W 　　U+0058 X 拉丁字母 X 　　U+0059 Y 拉丁字母 Y 　　U+005A Z 拉丁字母 Z 　　U+005B 关 方括号 　　U+005E ^ 抑扬（重音）符号 　　U+005F _ 底线 　　U+0060 ` 重音符 　　U+0061 a 拉丁字母 a 　　U+0062 b 拉丁字母 b 　　U+0063 c 拉丁字母 c 　　U+0064 d 拉丁字母 d 　　U+0065 e 拉丁字母 e 　　U+0066 f 拉丁字母 f 　　U+0067 g 拉丁字母 g 　　U+0068 h 拉丁字母 h 　　U+0069 i 拉丁字母 i 　　U+006A j 拉丁字母 j 　　U+006B k 拉丁字母 k 　　U+006C l 拉丁字母 l（L的小写） 　　U+006D m 拉丁字母 m 　　U+006E n 拉丁字母 n 　　U+006F o 拉丁字母 o 　　U+0070 p 拉丁字母 p 　　U+0071 q 拉丁字母 q 　　U+0072 r 拉丁字母 r 　　U+0073 s 拉丁字母 s 　　U+0074 t 拉丁字母 t 　　U+0075 u 拉丁字母 u 　　U+0076 v 拉丁字母 v 　　U+0077 w 拉丁字母 w 　　U+0078 x 拉丁字母 x 　　U+0079 y 拉丁字母 y 　　U+007A z 拉丁字母 z 　　U+007B { 开 卷曲括号 　　U+007C | 直棒 　　U+007D } 关 卷曲括号 　　U+007E ~ 波浪纹

常见字符编码格式

1.GB2321： 简体中文编码，一个汉字占用2个字节，在大陆是主要编码方式。当文章/网页中包含繁体中文、日文、韩文等等时，这些内容可能无法被正确编码。
2.BIG5： 繁体中文编码，主要在台湾地区采用。
3.GBK： 支持简体及繁体中文，但对他国非拉丁字母语言还是有问题。
4.UTF-8： Unicode编码的一种。Unicode用一些基本的保留字符制定了三套编码方式，它们分别UTF-8,UTF-16和UTF-32。在UTF－8中，字符是以8位序列来编码的，用一个或几个字节来表示一个字符。这种方式的最大好处，是UTF－8保留了ASCII字符的编码做为它的一部分。UTF-8俗称“万国码”，可以同屏显示多语种，一个汉字占用3字节。为了做到国际化，网页应尽可能采用UTF-8编码。
***隐藏网址***

1.EUC_KR： 用来储存韩国KSX1001字集(旧称KSC5601)的字符。此规格由KSX2901(旧称KS C 5861)定义
KS X 1001字元使用两个字节来表示。
“高位 字节 ”使用0xA1-0xFE
“低位 字节 ”使用0xA1-0xFE

1.Shift_JIS ： 是一个日本电脑系统常用的编码表。它能容纳全角及半角拉丁字母、平假名、片假名、符号及日语汉字。
它被命名为Shift_JIS的原因，是它在放置全角字符时，要避开原本在0xA1-0xDF放置的半角假名字符。
在微软及IBM的日语电脑系统中，即使用了这个编码表。这个编码表称为CP932。
2.EUC_JP： 用来存储日本JISx0208以及JISx0212的字集的字符，但日文文字较多使用ISO-2022-JP或Shift_JIS的方法来表示。

1.KOI8-R： KOI-8系列的斯拉夫文字8位元编码，供俄语及保加利亚语使用。

常用字符集分类
ASCII及其扩展字符集
作用：表语英语及西欧语言。
位数：ASCII是用7位表示的，能表示128个字符；其扩展使用8位表示，表示256个字符。
范围：ASCII从00到7F，扩展从00到FF。

ISO-8859-1字符集
作用：扩展ASCII，表示西欧、希腊语等。
位数：8位，
范围：从00到FF，兼容ASCII字符集。

GB2312字符集
作用：国家简体中文字符集，兼容ASCII。
位数：使用2个字节表示，能表示7445个符号，包括6763个汉字，几乎覆盖所有高频率汉字。
范围：高字节从A1到F7, 低字节从A1到FE。将高字节和低字节分别加上0XA0即可得到编码。

BIG5字符集
作用：统一繁体字编码。
位数：使用2个字节表示，表示13053个汉字。
范围：高字节从A1到F9，低字节从40到7E，A1到FE。

GBK字符集
作用：它是GB2312的扩展，加入对繁体字的支持，兼容GB2312。
位数：使用2个字节表示，可表示21886个字符。
范围：高字节从81到FE，低字节从40到FE。

GB18030字符集
作用：它解决了中文、日文、朝鲜语等的编码，兼容GBK。
位数：它采用变字节表示(1 ASCII，2，4字节)。可表示27484个文字。
范围：1字节从00到7F; 2字节高字节从81到FE，低字节从40到7E和80到FE；4字节第一三字节从81到FE，第二四字节从30到39。

UCS字符集
作用：国际标准 ISO 10646 定义了通用字符集 (Universal Character Set)。它是与UNICODE同类的组织，UCS-2和UNICODE兼容。
位数：它有UCS-2和UCS-4两种格式，分别是2字节和4字节。
范围：目前，UCS-4只是在UCS-2前面加了0x0000。

UNICODE字符集
作用：为世界650种语言进行统一编码，兼容ISO-8859-1。
位数：UNICODE字符集有多个编码方式，分别是UTF-8，UTF-16和UTF-32。

希腊字母unicode编码是多少

Unicode: 945 ~ 969

采用循环加强转可以打印出来

java实现的核心代码如下：

char cStart=’α’, cEnd=’ω’;

        for(char c=cStart; c《=cEnd; c++)

            System.out.print(" "+(int)c);

}