Zuletzt aktualisiert: 2026-07-01

UTF-8-Byte-Größe

Eine Textzeichenkette und die Zahl der Bytes, die sie belegt, sind nicht dasselbe. Auf dem Bildschirm ist ein Wort eine Folge von Zeichen; in der Speicherung und bei der Übertragung ist es eine Folge von Bytes, und die beiden Zahlen stimmen selten überein. Dieser Rechner nimmt einen Text und gibt drei Werte aus: wie viele Zeichen (Unicode-Codepunkte) er enthält, wie viele Bytes er als UTF-8 belegt und wie viele Bytes er als UTF-16 belegt. Das ist nützlich, um Datenbankspalten zu dimensionieren, Werte gegen API- und Längenbeschränkungen zu prüfen und zu verstehen, warum eine kurz wirkende Zeichenkette überraschend groß sein kann.

Zeichen gegenüber Bytes

Ein Zeichen ist eine Schrifteinheit — ein Buchstabe, eine Ziffer, ein Ideogramm, ein Emoji. Unicode weist jedem eine Zahl zu, den sogenannten Codepunkt, geschrieben etwa als U+00E9. Ein Byte ist eine Speichereinheit aus acht Bit. Eine Kodierung ist die Regel, die Codepunkte in Bytes umwandelt, und verschiedene Kodierungen ergeben für denselben Text unterschiedliche Byte-Zahlen.

Bei reinem Deutsch fällt der Unterschied leicht durch, weil in den gängigen Kodierungen jedes ASCII-Zeichen zufällig eine glatte Zahl von Bytes ergibt. Sichtbar wird die Differenz, sobald der Text Umlaute, nichtlateinische Schriften oder Emojis enthält.

Wie UTF-8 ein Zeichen bemisst

UTF-8 ist eine Kodierung variabler Breite: Ein Zeichen belegt je nach Codepunkt ein bis vier Bytes.

• U+0000–U+007F (ASCII: lateinische Buchstaben ohne Akzent, Ziffern, gängige Satzzeichen): 1 Byte
• U+0080–U+07FF (lateinische Akzente und Umlaute, Griechisch, Kyrillisch, Hebräisch, Arabisch): 2 Bytes
• U+0800–U+FFFF (die meisten CJK- und anderen Schriften): 3 Bytes
• U+10000 und höher (Emojis und seltene Zeichen): 4 Bytes

Weil ASCII-Zeichen ein Byte bleiben, ist UTF-8 abwärtskompatibel zu ASCII — ein wesentlicher Grund, warum es zur Standardkodierung des Webs und von Textdateien wurde.

Wie UTF-16 ein Zeichen bemisst

UTF-16 speichert die meisten Zeichen in einer einzigen 16-Bit-Codeeinheit, also zwei Bytes. Zeichen oberhalb von U+FFFF — Emojis und andere seltene Symbole — werden als Surrogatpaar aus zwei Codeeinheiten gespeichert und belegen damit vier Bytes. Einen Ein-Byte-Fall gibt es nicht: Selbst ein einfacher ASCII-Buchstabe kostet in UTF-16 zwei Bytes. Dies ist das interne Zeichenkettenformat von Sprachen wie Java, C# und JavaScript.

Durchgerechnetes Beispiel

Nehmen wir den Text Héllo.

Es sind 5 Zeichen, aber 6 UTF-8-Bytes, weil é in den Zwei-Byte-Bereich fällt. In UTF-16 ist jedes der 5 Zeichen eine einzelne Zwei-Byte-Codeeinheit, was 10 Bytes ergibt.

Nehmen wir nun ein einzelnes Emoji, 😀 (U+1F600). Es ist ein Zeichen, liegt aber oberhalb von U+FFFF. UTF-8 kodiert es als vier Bytes, und UTF-16 speichert es als Surrogatpaar, ebenfalls vier Bytes — die Zeichenanzahl ist jedoch nur 1.

Warum die Byte-Größe wichtig ist

Grenzen in realen Systemen werden meist in Bytes gezählt, nicht in Zeichen. Eine VARCHAR(255)-Spalte kann je nach Datenbank und Zeichensatz Bytes oder Zeichen begrenzen; Beschränkungen für die Nachrichtenlänge, API-Nutzlastfelder, HTTP-Headergrößen und Formularprüfungen werden häufig in Bytes ausgedrückt. Die UTF-8-Byte-Größe im Voraus zu messen verrät, ob ein Wert passt und wie viel Speicher oder Bandbreite er verbraucht — was eine Zeichenanzahl allein nicht leisten kann.

Verwandte Rechner

Um die tatsächlichen Byte-Werte einer Zeichenkette als Binär-, Hexadezimal- und Dezimalcodes zu sehen, nutzen Sie den Text in Binär / Hex / ASCII umwandeln. Um die Größe von Text nach der Base64-Verpackung für die Übertragung zu messen, siehe den Base64-Kodierungs-Overhead-Rechner. Und um abzuschätzen, wie viel Information eine Zeichenkette trägt — statt wie viel Platz sie belegt — berechnet der Shannon-Entropie berechnen ihre Entropie.