UTF-8是針對Unicode的一種可變長度字符編碼;它可以用來表示Unicode標準中的任何字符，而且其編碼中的第一個字節仍與ASCII相容，使得原來處理ASCII字符的軟件無須或只進行少部份修改后，便可繼續使用。

UTF-8(8位元，Universal Character Set/Unicode Transformation Format)是針對Unicode的一種可變長度字符編碼。它可以用來表示Unicode標準中的任何字符，而且其編碼中的第一個字節仍與ASCII相容，使得原來處理ASCII字符的軟件無須或只進行少部份修改后，便可繼續使用。因此，它逐漸成為電子郵件、網頁及其他存儲或傳送文字的應用中，優先采用的編碼。

基本特征

UCS字符U+0000到U+007F(ASCII)被編碼為字節0×00到0x7F(ASCIⅡ兼容)。這意味著只包含7位ASCIl字符的文件在ASCIⅡ和UTF-8兩種編碼方式下是一樣的。

所有大于0x007F的UCS字符被編碼為一個有多個字節的串，每個字節都有標記位集。因此，ASCIl字節(0x00-0x7F)不可能作為任何其他字符的一部分。表示非ASCIl字符的多字節串的第一個字節總是在0xC0到0XFD的范圍里，并指出這個字符包含多少個字節。多字節串的其余字節都在0x80到0xBF范圍里。這使得重新同步非常容易，并使編碼無國界，且很少受丟失字節的影響。

UTF-8編碼字符理論上可以最多到6個字節長，然而16位BMP字符最多只用到3字節長，Bigendian UCS-4字節串的排列順序是預定的，字節0xFE和OxFF在UTF-8編碼中從未用到。

編碼字節數

UTF-8使用1~4字節為每個字符編碼：

·一個US-ASCIl字符只需1字節編碼(Unicode范圍由U+0000~U+007F)。

·帶有變音符號的拉丁文、希臘文、西里爾字母、亞美尼亞語、希伯來文、阿拉伯文、敘利亞文等字母則需要2字節編碼(Unicode范圍由U+0080~U+07FF)。

·其他語言的字符(包括中日韓文字、東南亞文字、中東文字等)包含了大部分常用字，使用3字節編碼。

·其他極少使用的語言字符使用4字節編碼。

UTF-8編碼規則：

如果只有一個字節則其最高二進制位為0;如果是多字節，其第一個字節從最高位開始，連續的二進制位值為1的個數決定了其編碼的字節數，其余各字節均以10開頭。