[CS] ASCII code, Unicode, UTF-8

UTF-8 은 Unicode 를 8비트 단위로 해석하는 방식입니다.

ASCII 코드

아스키 코드는 8비트로 문자열을 인코딩하는 방식입니다.

그중 7비트는 문자를 표현하는데 사용하고, 나머지 1비트는 오류검을 위해 사용됩니다.

표와 같이 7비트를 사용해서 총 128개의 문자를 표현하는 인코딩 방식입니다.

 

Unicode

유니코드는 7비트의 한계로 더 많은 문자를 표현하기 위해서 1byte ~ 4byte 까지 사용하여 문자를 표현하는 인코딩 방식입니다.

유니코드표

그만큼 표로 본다면 엄청나게 많은 문자를 표현하고있습니다.

 UTF-8

그런데, 1~4byte 를 사용하면서, 문자마다 가변적인 길이를 가지고 있다는게 문제가 되어, 이를 해석하는 방법중 하나가 utf-8 입니다.

그래서 문자마다 몇 byte 를 사용해야하는지를 지정해주어야합니다.

실제로 비트로 보면 아래와같은 규칙을 가지고있습니다.

 

0xxxxxxx : 첫 번째 바이트가 0으로 시작한다면 0이외의 7 비트를 아스키로 인식한다.
110xxxxx 10xxxxxx 두번째 바이트까지 읽어서 하나의 문자로 표현
1110xxxx 10xxxxxx 10xxxxxx 세번째 바이트까지 읽어서 하나의 문자로 표현
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 네번째 바이트까지 읽어서 하나의 문자로 표현