UTF-8

UTF-8 (UCS Transformation Format 8) ist die am häufigsten verwendete Zeichenkodierung im World Wide Web. Jedes Zeichen wird durch ein bis vier Bytes dargestellt. UTF-8 ist rückwärtskompatibel mit ASCII und kann jedes standardisierte Unicode-Zeichen darstellen.

Die ersten 128 UTF-8-Zeichen entsprechen exakt den ersten 128 ASCII-Zeichen (nummeriert von 0-127), was bedeutet, dass vorhandener ASCII-Text bereits gültiges UTF-8 ist. Alle anderen Zeichen verwenden zwei bis vier Bytes. Jedes Byte hat einige Bits, die für Kodierungszwecke reserviert sind. Da Nicht-ASCII-Zeichen mehr als ein Byte für die Speicherung benötigen, besteht das Risiko, dass sie beschädigt werden, wenn die Bytes getrennt werden und nicht wieder kombiniert werden.