UTF-8 位元組大小計算機
輸入
| 文字 | Héllo |
|---|
UTF-8 位元組大小計算機
輸入任意文字，即可得知其 UTF-8 位元組大小、UTF-16 位元組大小，以及字元數（碼位數）。ASCII 字元在 UTF-8 中每個佔 1 位元組，帶重音的拉丁字母佔 2 位元組，中文等多數文字佔 3 位元組，表情符號佔 4 位元組，因此字串的位元組大小可能比看到的字元數還多。
輸入
文字
結果
輸入數值即可顯示計算結果。
大小
UTF-8 位元組大小
一段文字字串和它所佔的位元組數並不是同一回事。在螢幕上，一個詞是一串字元；在儲存與傳輸中，它是一串位元組，而這兩個數字很少相同。這個計算機接收一段文字，並回傳三個數字：它含有多少字元（Unicode 碼位）、以 UTF-8 佔多少位元組、以 UTF-16 佔多少位元組。它有助於規劃資料庫欄位大小、檢查 API 與訊息長度上限，以及理解為何看似很短的字串會出乎意料地大。
字元與位元組
字元是書寫的單位：一個字母、一個數字、一個表意文字、一個表情符號。Unicode 為每一個指定一個稱為碼位的數字，寫成如 U+00E9。位元組是儲存的單位，由八個位元組成。編碼是把碼位轉成位元組的規則，而不同的編碼對同一段文字會產生不同的位元組數。
對純英數文字而言，這個差別容易被忽略，因為在常見編碼中每個 ASCII 字元剛好是整數個位元組。一旦文字含有重音字母、中文等非拉丁文字或表情符號，差距就會浮現。
UTF-8 如何計算一個字元
UTF-8 是可變長度編碼：一個字元依其碼位佔 1 至 4 個位元組。
U+0000–U+007F（ASCII：不帶重音的拉丁字母、數字、常見標點）：1 位元組U+0080–U+07FF（拉丁重音、希臘文、西里爾文、希伯來文、阿拉伯文）：2 位元組U+0800–U+FFFF（中文等多數 CJK 與其他文字）：3 位元組U+10000以上（表情符號與罕見字元）：4 位元組
由於 ASCII 字元仍為 1 位元組，UTF-8 與 ASCII 向後相容，這也是它成為網路與文字檔案預設編碼的重要原因。
UTF-16 如何計算一個字元
UTF-16 把多數字元存放在單一的 16 位元碼元中，也就是兩個位元組。U+FFFF 以上的字元（表情符號與其他罕見符號）會以兩個碼元組成的代理對儲存，因此佔四個位元組。它沒有單一位元組的情況：即使是普通的 ASCII 字母，在 UTF-16 中也要兩個位元組。這是 Java、C#、JavaScript 等語言在記憶體中所用的字串格式。
範例計算
以文字 Héllo 為例。
有 5 個字元，卻有 6 個 UTF-8 位元組，因為 é 落在兩位元組的範圍。在 UTF-16 中，這 5 個字元各為一個兩位元組碼元，合計 10 位元組。
再看單一表情符號 😀（U+1F600）。它是一個字元，但位於 U+FFFF 之上。UTF-8 以四個位元組編碼，UTF-16 以代理對儲存，同樣是四個位元組——然而字元數只有 1。
為何位元組大小重要
真實系統中的上限通常以位元組而非字元計算。VARCHAR(255) 欄位會依資料庫與字元集限制位元組或字元；訊息長度限制、API 酬載欄位、HTTP 標頭大小與表單驗證也常以位元組表示。事先測得 UTF-8 位元組大小，便能判斷某個值是否放得下，以及它會佔用多少空間或頻寬——這是單看字元數所無法得知的。
相關計算機
若要查看字串實際的位元組值（以二進位、十六進位與十進位碼表示），請使用 文字轉二進位 / 十六進位 / ASCII 轉換器。若要測量文字以 Base64 包裝後用於傳輸的大小，請參見 Base64 編碼開銷計算機。若要估計字串所攜帶的資訊量，而非它所佔的空間，夏農熵計算 會計算其熵。
常見問題（FAQ）
為什麼位元組大小比字元數還多？
字元是你看到的東西，位元組是它的儲存方式。在 UTF-8 中，只有基本的 ASCII 字元（不帶重音的拉丁字母、數字、常見標點）能放進單一位元組。像 é 這類帶重音的字母佔 2 位元組，多數其他文字佔 3 位元組，表情符號佔 4 位元組。因此任何含有非 ASCII 字元的文字，所佔位元組都會比字元數多。
在 UTF-16 中，由於每個字元至少佔 2 位元組，對 ASCII 文字而言差距更大。
UTF-8 與 UTF-16 有什麼不同？
兩者都是把 Unicode 字元轉成位元組的方式。UTF-8 採用每字元 1 至 4 位元組的可變長度，並與 ASCII 向後相容，因此成為網路與檔案中最主流的編碼。UTF-16 對多數字元使用 2 位元組，對基本多文種平面（BMP）之外的罕見字元（如表情符號）使用 4 位元組；它是 Java、C#、JavaScript 等語言常見的記憶體內字串表示法。
對以拉丁文字為主的文字，UTF-8 較精簡；對以東亞文字為主的文字，兩者往往相當。
一個字元佔幾個位元組？
在 UTF-8 中取決於碼位：U+0000–U+007F（ASCII）為 1 位元組，U+0080–U+07FF（拉丁重音、希臘文、西里爾文、希伯來文、阿拉伯文）為 2 位元組，U+0800–U+FFFF（多數 CJK 與其他文字）為 3 位元組，U+10000 以上（表情符號、罕見字元）為 4 位元組。
在 UTF-16 中，相同字元在 U+FFFF 以下佔 2 位元組，超過時則以代理對（surrogate pair）儲存，佔 4 位元組。
位元組大小在什麼情況下重要？
儲存與傳輸是以位元組而非字元來計算的。宣告為 VARCHAR(255) 的資料庫欄位，會依資料庫引擎與字元集而限制位元組或字元；API 欄位、訊息長度上限與表單驗證也常以位元組表示。事先知道 UTF-8 位元組大小，有助於預判某個值是否放得下，以及會佔用多少空間或頻寬。