UTF-8 编码本身不是“几进制”的问题，而是一种将 Unicode 码点映射为字节序列的规则。
但若追问其底层表示，则：
- 存储/传输时：以二进制（Binary）形式存在（因为所有计算机数据最终都是 0/1）
- 人类可读表示：常用十六进制（Hex）书写（如
E4 B8 AD） - 逻辑结构：基于二进制位模式定义编码规则（如
1110xxxx 10xxxxxx 10xxxxxx）
✅简明回答：
UTF-8 编码在物理层面是二进制，在工程调试中常以十六进制表示，其规则由二进制位模板定义。
一、为什么会有“几进制”的困惑？
▶ 1.不同场景使用不同进制表示
| 场景 | 表示方式 | 示例 |
|---|---|---|
| CPU 内存 | 二进制（0/1） | 11100100 10111000 10101101 |
| 开发者调试 | 十六进制（0x） | 0xE4 0xB8 0xAD |
| 网络协议 | 字节流（十进制） | [228, 184, 173] |
▶ 2.UTF-8 规则本身用二进制定义
- 三字节模板：
1110xxxx 10xxxxxx 10xxxxxx- 这是二进制位模式，不是十进制或十六进制
💡核心认知：
进制只是“书写方式”，UTF-8 的本质是“位模式规则”
二、UTF-8 的进制关系全景图
graph LR A[Unicode 码点 U+4E2D] -->|UTF-8 编码规则| B[二进制位序列] B --> C[内存/磁盘：0111001001011100010101101] C --> D[十六进制表示：E4 B8 AD] C --> E[十进制字节：228, 184, 173] C --> F[PHP 字符串："\xE4\xB8\xAD"]- 所有表示都指向同一组二进制位，只是人类阅读习惯不同
三、工程实践：如何正确理解？
▶ 1.编码规则 = 二进制模板
- UTF-8 标准（RFC 3629）明确使用二进制位模式定义：
U+0800–U+FFFF → 1110xxxx 10xxxxxx 10xxxxxx - 实现时：编解码器按位操作（C/Go/Rust 直接处理 bit）
▶ 2.调试用十六进制
- 原因：
- 1 字节 = 8 位二进制 = 2 位十六进制 → 对齐清晰
- 工具输出：
echo-n"中"|hexdump -C# 输出：e4 b8 ad
▶ 3.编程用字节（十进制/转义）
- PHP：
$bytes="\xE4\xB8\xAD";// 十六进制转义$bytes=chr(228).chr(184).chr(173);// 十进制构造 - Python：
bytes([228,184,173])# 十进制列表b'\xe4\xb8\xad'# 十六进制字面量
四、避坑指南
| 陷阱 | 破局方案 |
|---|---|
| 认为“UTF-8 是十六进制” | UTF-8 是编码规则，十六进制只是表示法 |
| 混淆数值与字节序列 | 0xE4B8AD是 3 字节，不是 1 个整数 |
| 用十进制直接拼接 | 字节必须按顺序，不能数学运算（如228*256² + ...仅用于解析） |
五、终极心法
**“UTF-8 不是进制，
而是位的舞蹈——
- 当你看模板，
你在理解规则；- 当你读 Hex，
你在调试真相；- 当你写代码，
你在搬运字节。真正的编码能力，
始于对位的敬畏，
成于对细节的精控。”
结语
从今天起：
- 理解 UTF-8 规则是二进制位模式
- 调试用
hexdump看十六进制 - 编程时按字节操作，不混淆进制
因为最好的字符处理，
不是纠结进制，
而是精准控制每一比特的流动。
