Quelltext der Seite UTF-8

Zur Navigation springen Zur Suche springen
Du bist aus dem folgenden Grund nicht berechtigt, die Seite zu bearbeiten:
Deine IP-Adresse befindet sich in einem Bereich, der in allen Wikimedia Foundation-Wikis gesperrt ist.
Die Sperre wurde durchgeführt von ‪Hasley‬. Die angegebene Begründung ist Open proxy/Webhost: See the help page if you are affected: .
Beginn der Sperre: 17:21, 18. Dez. 2022
Ablauf der Sperre: 17:21, 18. Dez. 2025
Deine aktuelle IP-Adresse ist 62.210.136.28. Der gesperrte Bereich ist 62.210.0.0/16.
Bitte füge alle Informationen jeder Anfrage hinzu, die du stellst. Wenn du glaubst, dass die Sperre ein Fehler ist, kannst du zusätzliche Informationen und Hilfestellungen in der globalen Richtlinie „Keine offenen Proxys“ finden.
Anderenfalls stelle bitte eine Anfrage im Meta-Wiki, um die Sperre zu diskutieren. Du kannst auch eine E-Mail an die Steward-VRT-Queue per stewards@wikimedia.org inklusive aller obigen Details schicken.
Du kannst den Quelltext dieser Seite betrachten und kopieren.
'''UTF-8''' (Abkürzung für ''8-Bit [[UCS Transformation Format]]'', wobei ''UCS'' wiederum ''[[Universal Coded Character Set]]'' abkürzt) ist die am weitesten verbreitete [[Zeichenkodierung|Kodierung]] für [[Unicode]]-Zeichen (Unicode und UCS sind praktisch identisch). Die Kodierung wurde im September 1992 von [[Ken Thompson]] und [[Rob Pike]] bei Arbeiten am [[Plan 9 (Betriebssystem)|Plan-9-Betriebssystem]] festgelegt. Sie wurde zunächst im Rahmen von [[X/Open]] als ''FSS-UTF'' bezeichnet (''filesystem safe UTF'' in Abgrenzung zu [[UTF-1]], das diese Eigenschaft nicht hat), in den Folgejahren erfolgte im Rahmen der Standardisierung die Umbenennung auf die heute übliche Bezeichnung ''UTF-8''.<ref>{{RFC-Internet |RFC=3629 |Titel=UTF-8, a transformation format of ISO 10646 |Datum=2003 |Abschnitt=1 |Abschnittstitel=Introduction}}</ref>

== Verbreitung ==

UTF-8 hat sich als [[De-facto-Standard]]-Zeichenkodierung des Internet und damit verbundener Dokumenttypen etabliert. Im April 2023 verwendeten 97,9 % aller Websites UTF-8<ref>{{Internetquelle |url=https://w3techs.com/technologies/history_overview/character_encoding |titel=Historical trends in the usage of character encodings for websites |werk=W3Techs |hrsg=Q-Success |sprache=en |abruf=2019-03-05}}</ref> und 98,8 % der Top 1000.<ref>{{Internetquelle |url=https://w3techs.com/technologies/cross/character_encoding/ranking |titel=Usage of character encodings broken down by ranking |werk=W3Techs |hrsg=Q-Success |sprache=en |abruf=2019-03-07}}</ref>

Auch bei der in [[Webbrowser]]n angewendeten Auszeichnungssprache [[Hypertext Markup Language|HTML]] hat sich UTF-8 zur Darstellung sprachspezifischer Zeichen durchgesetzt (über 97 % Anteil im Oktober 2021) und ersetzt dabei die vorher genutzten [[HTML-Entität]]en.<ref>{{Internetquelle |url=https://w3techs.com/technologies/overview/character_encoding/all/ |titel=Usage statistics of character encodings for websites |werk=W3Techs |hrsg=Q-Success |sprache=en |abruf=2021-10-31}}</ref>

Die [[Internet Engineering Task Force]] verlangt von allen neuen Internet-Kommunikationsprotokollen, dass die Zeichenkodierung deklariert wird und dass UTF-8 eine der unterstützten Kodierungen ist. Das {{lang|en|[[Internet Mail Consortium]]}} (IMC) empfiehlt, dass alle [[E-Mail-Programm]]e UTF-8 darstellen und senden können.<ref>{{Webarchiv |url=https://www.imc.org/mail-i18n.html |text=''Using International Characters in Internet Mail''. |wayback=20071026103104}} Internet Mail Consortium, 1. August 1998, abgerufen am 12. Juli 2012 (englisch).</ref>

== Allgemeine Eigenschaften ==
Bei der UTF-8-Kodierung wird jedem Unicode-Zeichen eine [[Byte]]-Kette mit einer Länge von zwischen einem und vier Byte zugeordnet.<ref name="AnmByte" group="Anm.">Der Begriff „Byte“ wird in diesem Artikel stets im Sinne von „Oktett“ verwendet.</ref> Damit lassen sich – wie bei allen [[Unicode Transformation Format|UTF]]-Formaten – alle Unicode-Zeichen abbilden.

Die ersten 128 Unicodezeichen ([[Unicodeblock Basis-Lateinisch|U+0000 bis U+007F]], entsprechend den Positionen 0–127 in allen [[ISO 8859|ISO-8859]]-Varianten, auch als 7-Bit-[[American Standard Code for Information Interchange|ASCII]]-bezeichnet) werden in UTF-8 deckungsgleich durch nur ein Byte dargestellt. Dies umfasst unter anderem die Ziffern und die Groß- und Kleinbuchstaben des lateinischen Grundalphabets. Zusätzliche Zeichen in europäischen Sprachen mit lateinischer Schrift, z.&nbsp;B. ''ä'', ''ß'', ''é'', ł, Š, werden durch zwei Byte dargestellt. Texte in solchen Sprachen benötigen daher nur wenig mehr als ein Byte pro Zeichen. Englischsprachige Texte lassen sich im Regelfall sogar mit nicht-UTF-8-fähigen [[Texteditor]]en ohne Beeinträchtigung bearbeiten.

[[Griechisches Alphabet|Griechische]], [[Kyrillisches Alphabet|kyrillische]] oder [[Arabische Schrift|arabische Buchstaben]] belegen ebenfalls zwei Bytes. Zeichen aus indischen und fernöstlichen Schriften belegen meist drei Byte, einige seltene Zeichen und Schriften sogar vier Byte je Zeichen.

Im Vergleich zu [[UTF-16]], bei dem ''alle'' Zeichen der ''[[Unicode#Gliederung|Basic multilingual plane]]&nbsp;(BMP)'' von Unicode durch zwei Byte dargestellt werden, ist UTF-8 für Texte mit relativ hohem Anteil an 7-Bit-ASCII-Zeichen deutlich kompakter, jedoch platzintensiver bei Zeichen zwischen U+0800 und U+FFFF (v.&nbsp;a. asiatische Sprachen, vgl. [[Liste der Unicodeblöcke]])

Aus dem im Folgenden beschriebenen Algorithmus ergeben sich weiterhin folgende Eigenschaften:
* Multibyte-Zeichenfolgen bestehen niemals aus 7-Bit-ASCII-Zeichen (ermöglicht Verarbeitung und Parsen mit üblichen 7-Bit-Zeichenkonstanten).
* Sortierbarkeit bleibt erhalten, zwei UTF-8-Zeichenketten haben dieselbe Sortierreihenfolge wie zwei unkodierte Unicode-Zeichenketten
* In beiden Richtungen durchsuchbar (bei bisherigen MBCS nicht der Fall)
* Einfache Transkodierungsfunktion (zudem leicht Hardware-implementierbar)
* Reichlich Kodierungsreserve (falls sich am Unicode-Standard doch noch etwas ändert)
* selbstsynchronisierend<ref>[https://research.swtch.com/utf8 UTF-8: Bits, Bytes, and Benefits]</ref>

== Normung ==
UTF-8 ist von der [[Internet Engineering Task Force|IETF]], dem [[Unicode-Konsortium]] und der [[Internationale Organisation für Normung|ISO]] gegenwärtig identisch definiert in den Normdokumenten:
* <nowiki>RFC&nbsp;3629</nowiki> / STD 63 (2003)<nowiki>RFC&nbsp;3629</nowiki> / STD 63<ref name="RFC3629" />
* ''The Unicode Standard, Version 4.0'', §3.9–§3.10 (2003)
* ISO/IEC 10646-1:2000 Annex D (2000)

Diese lösen ältere, teilweise abweichende Definitionen ab, die teilweise noch von älterer Software benutzt werden:
* ISO/IEC 10646-1:1993 Amendment 2 / Annex R (1996)
* ''The Unicode Standard, Version 2.0'', Appendix A (1996)
* <nowiki>RFC&nbsp;2044</nowiki> (1996)<ref>{{RFC-Internet |RFC=2044 |Titel=UTF-8, a transformation format of Unicode and ISO 10646 |Datum=1996-10}}</ref>
* <nowiki>RFC&nbsp;2279</nowiki> (1998)<ref>{{RFC-Internet |RFC=2279 |Titel=UTF-8, a transformation format of ISO 10646 |Datum=1998-01}}</ref>
* ''The Unicode Standard, Version 3.0'', §2.3 (2000) und Corrigendum #1: UTF-8 Shortest Form (2000)
* ''Unicode Standard Annex #27: Unicode 3.1'' (2001)

== Kodierung ==
=== Algorithmus ===
Unicode-Zeichen mit Werten aus dem Bereich von 0 bis 127 (U+00 bis U+7F) werden in der UTF-8-Kodierung als ein [[Byte]]<ref name="AnmByte" group="Anm." /> mit dem gleichen Wert wiedergegeben.

Unicode-Zeichen größer als 127 werden in der UTF-8-Kodierung zu 2 bis 4 Byte langen Bytefolgen. Dabei beginnt das erste Byte immer mit <span style="font-family:monospace">'''11'''</span>, die weiteren Bytes mit <span style="font-family:monospace">'''10'''</span>. Die Anzahl der Einsen <span style="font-family:monospace">'''1'''</span> vor der ersten Null <span style="font-family:monospace">'''0'''</span> im ersten Byte ist gleich der Gesamtzahl der Bytes für das Zeichen. Die Bits, die in Unicode ein Zeichen darstellen, werden bündig angeordnet&nbsp;– das niedrigste Bit (''least significant bit'') des Unicode-Zeichens steht also immer im niedrigsten Bit des letzten UTF-8-Bytes.

Das erste Byte eines UTF-8-kodierten Zeichens nennt man dabei '''Start-Byte''', weitere Bytes heißen '''Folge-Bytes'''. Start-Bytes beginnen also immer mit <span style="font-family:monospace">'''0'''</span> oder <span style="font-family:monospace">'''11'''</span>, Folge-Bytes immer mit <span style="font-family:monospace">'''10'''</span>.

{| class="wikitable"
|-
! rowspan="2"| Unicode Codepoints
! colspan="4"| UTF-8-Kodierung
! colspan="4"| Anzahl kodierbarer Zeichen
|-
! Byte 1 !! Byte 2 !! Byte 3 !! Byte 4
! colspan="2"| im Standard erlaubt !! colspan="2" | theoretisch möglich
|-
| style="text-align:center;" | U+00<span style="background:#B9FFC5;">'''00'''</span> – U+00<span style="background:#B9FFC5;">'''7F'''</span>
| style="line-height:110%; font-family:monospace;" | <span style="background:#B9FFC5;">'''0'''<sub><sub>&nbsp;</sub></sub>a<sub><sub>6</sub></sub>a<sub><sub>5</sub></sub>a<sub><sub>4</sub></sub>a<sub><sub>3</sub></sub>a<sub><sub>2</sub></sub>a<sub><sub>1</sub></sub>a<sub><sub>0</sub></sub></span>
| &nbsp; || &nbsp; || &nbsp;
| {{0|(}}2<sup>7</sup>
| style="text-align:right;" | 128
| {{0|(}}2<sup>7</sup>
| style="text-align:right;" | 128
|-
| style="text-align:center;" | U+<span style="background:#FFEBAD;">00</span><span style="background:#B9FFC5;">'''80'''</span> – U+<span style="background:#FFEBAD;">0'''7'''</span><span style="background:#B9FFC5;">'''FF'''</span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFEBAD;">b<sub><sub>2</sub></sub>b<sub><sub>1</sub></sub>b<sub><sub>0</sub></sub></span><span style="background:#B9FFC5;">a<sub><sub>7</sub></sub>a<sub><sub>6</sub></sub></span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#B9FFC5;">a<sub><sub>5</sub></sub>a<sub><sub>4</sub></sub>a<sub><sub>3</sub></sub>a<sub><sub>2</sub></sub>a<sub><sub>1</sub></sub>a<sub><sub>0</sub></sub></span>
| &nbsp; || &nbsp;
| {{0|(}}2<sup>11</sup>&#8239;−&#8239;2<sup>7</sup>
| style="text-align:right;" | 1920
| {{0|(}}2<sup>11</sup>
| style="text-align:right;" | 2048
|-
| style="text-align:center;" | U+<span style="background:#FFEBAD;">0'''8'''</span><span style="background:#B9FFC5;">'''00'''</span> – U+<span style="background:#FFEBAD;">'''FF'''</span><span style="background:#B9FFC5;">'''FF'''</span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFEBAD;">b<sub><sub>7</sub></sub>b<sub><sub>6</sub></sub>b<sub><sub>5</sub></sub>b<sub><sub>4</sub></sub></span>
| style="line-height:110%; font-family:monospace;" |'''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFEBAD;">b<sub><sub>3</sub></sub>b<sub><sub>2</sub></sub>b<sub><sub>1</sub></sub>b<sub><sub>0</sub></sub></span><span style="background:#B9FFC5;">a<sub><sub>7</sub></sub>a<sub><sub>6</sub></sub></span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#B9FFC5;">a<sub><sub>5</sub></sub>a<sub><sub>4</sub></sub>a<sub><sub>3</sub></sub>a<sub><sub>2</sub></sub>a<sub><sub>1</sub></sub>a<sub><sub>0</sub></sub></span>
| &nbsp;
| {{0|(}}2<sup>16</sup>&#8239;−&#8239;2<sup>11</sup>
| style="text-align:right;" | 63.488
| {{0|(}}2<sup>16</sup>
| style="text-align:right;" | 65.536
|-
| style="text-align:center;" | {{nowrap|1=U+<span style="background:#FFCBCB;">0'''1'''</span>&#8239;<span style="background:#FFEBAD;">'''00'''</span><span style="background:#B9FFC5;">'''00'''</span> – U+<span style="background:#FFCBCB;">'''10'''</span>&#8239;<span style="background:#FFEBAD;">'''FF'''</span><span style="background:#B9FFC5;">'''FF'''</span>}}
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFCBCB;">c<sub><sub>4</sub></sub>c<sub><sub>3</sub></sub>c<sub><sub>2</sub></sub></span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFCBCB;">c<sub><sub>1</sub></sub>c<sub><sub>0</sub></sub></span><span style="background:#FFEBAD;">b<sub><sub>7</sub></sub>b<sub><sub>6</sub></sub>b<sub><sub>5</sub></sub>b<sub><sub>4</sub></sub></span>
| style="line-height:110%; font-family:monospace;" |'''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#FFEBAD;">b<sub><sub>3</sub></sub>b<sub><sub>2</sub></sub>b<sub><sub>1</sub></sub>b<sub><sub>0</sub></sub></span><span style="background:#B9FFC5;">a<sub><sub>7</sub></sub>a<sub><sub>6</sub></sub></span>
| style="line-height:110%; font-family:monospace;" | '''1<sub><sub>&nbsp;</sub></sub>0<sub><sub>&nbsp;</sub></sub>'''<span style="background:#B9FFC5;">a<sub><sub>5</sub></sub>a<sub><sub>4</sub></sub>a<sub><sub>3</sub></sub>a<sub><sub>2</sub></sub>a<sub><sub>1</sub></sub>a<sub><sub>0</sub></sub></span>
| {{0|(}}2<sup>20</sup><!--
  Berechnung: (Unicode-Bereich) minus (Zeichen die bereits durch drei-Byte-Zeichenfolgen oder kürzer abgebildet sind)
              (17*2^16) - (2^16) = 16*2^16 = 2^20 -->
| style="text-align:right;" | 1.048.576
| {{0|(}}2<sup>21</sup>
| style="text-align:right;" | 2.097.152
|}

Mit vier Bytes lässt sich der gesamte Unicode-Bereich abdecken (auch [[UTF-16]] und [[UTF-32]] kodieren den gesamten Wertebereich von Unicode).

Dieser Algorithmus lässt theoretisch längere Bytesequenzen zu. Ursprünglich wurden auch Folgen aus fünf Bytes (Startbyte 111110xx: F8<sub>hex</sub> bis FB<sub>hex</sub>) und sechs Bytes (Startbyte 1111110x: FC<sub>hex</sub> und FD<sub>hex</sub>) definiert, in denen so insgesamt 31 Bit für den enthaltenen Unicode-Wert kodiert werden konnten. In seiner Verwendung als [[Unicode Transformation Format|UTF-Kodierung]] ist er aber auf den gemeinsamen Coderaum aller Unicode-Kodierungen beschränkt, also von U+0000 bis U+10FFFF (17 [[Liste der Unicodeblöcke#Ebenen|Ebenen]] mit insgesamt 1.114.112 Codepoints) und weist maximal vier Bytes lange Byteketten auf. Längere Bytefolgen und größere Werte gelten heute als unzulässige Codes und sind entsprechend zu behandeln. Außerdem gibt es weitere Einschränkungen:
* Nach diesem Algorithmus könnten Zeichen auf unterschiedliche Weise kodiert werden – zum Beispiel der Buchstabe „a“ als 01100001 (61<sub>hex</sub>) oder fälschlich als 11000001 10100001 (C1&nbsp;A1<sub>hex</sub>). Jedoch erlaubt der Standard nur die jeweils kürzestmögliche Kodierung. Aus diesem Grund können C0<sub>hex</sub> und C1<sub>hex</sub> niemals in gültigem UTF-8-Code vorkommen. Diese Mehrdeutigkeit hat mehrfach zu Problemen geführt, wenn Programme bei ungültigen Kodierungen abstürzen, diese als gültig interpretieren oder einfach ignorieren. Die Kombinationen der letzten beiden Verhaltensweisen führte z.&nbsp;B. zu Firewalls, die gefährliche Inhalte auf Grund der ungültigen Kodierung nicht erkennen, wo jedoch der zu schützende Client diese Kodierungen als gültig interpretiert und dadurch gefährdet ist.
* Die Unicode-Bereiche U+D800 bis U+DBFF und U+DC00 bis U+DFFF sind ausdrücklich keine Zeichen, sondern dienen nur in [[UTF-16]] zur Kodierung von Zeichen außerhalb der ''[[Unicode#Gliederung|Basic Multilingual Plane]]'', sie wurden früher als ''Low'' und ''High surrogates'' bezeichnet. Folglich sind Bytefolgen, die diesen Bereichen entsprechen, kein gültiges UTF-8. Zum Beispiel wird U+10400 in UTF-16 als D801,DC00 dargestellt, sollte in UTF-8 aber als F0,90,90,80 und nicht als ED,A0,81,ED,B0,80 ausgedrückt werden. [[Java (Programmiersprache)|Java]] unterstützt dies seit der Version 1.5.<ref>{{Internetquelle |autor=Norbert Lindenberg, Masayoshi Okutsu |url=https://www.oracle.com/technical-resources/articles/javase/supplementary.html |titel=Supplementary Characters in the Java Platform |werk=Oracle Website |hrsg=Sun Microsystems |datum=2004-05 |sprache=en |abruf=2019-06-09}}</ref> Aufgrund der weiten Verbreitung der falschen Kodierung, insbesondere auch in Datenbanken, wurde diese Kodierung nachträglich als [[CESU-8]] normiert.

Kann eine Byte-Sequenz nicht als UTF-8-Zeichen interpretiert werden, so wird es beim Lesen in der Regel durch das [[Ersetzungszeichen|Unicode-Replacement-Zeichen]] U+FFFD bzw. EF,BF,BD ersetzt.

=== Zulässige Bytes und ihre Bedeutung ===
Durch die Kodierungsregel von UTF-8 sind bestimmte Bytewerte nicht zulässig. In nachfolgender Tabelle sind alle 256 Möglichkeiten aufgeführt und deren Verwendung bzw. Gültigkeit angegeben. Bytewerte in roten Zeilen sind unzulässig, grün beschreibt zulässige Bytewerte, welche unmittelbar ein Zeichen darstellen. In blau sind jene Werte hinterlegt, welche den Start einer Sequenz von zwei oder mehr Byte beginnen und als Sequenz mit den Bytewerten aus orange hinterlegten Zeilen fortgesetzt werden.

{| class="wikitable" style="font-family:monospace;"
|- style="font-family:sans-serif;"
! colspan="3"| UTF-8 Wertebereich
! rowspan="2"| Bedeutung
|- style="font-family:sans-serif;"
! Binär
! Hexadezimal
! Dezimal
|- class="hintergrundfarbe9"
| 00000000–01111111
|style="text-align:center"| 00–7F
|style="text-align:right"| 0–127
|style="font-family: sans-serif;"| Ein Byte lange Zeichen, deckungsgleich mit US-ASCII
|- style="background:#FFCC88;"
| 10000000–10111111
|style="text-align:center"| 80–BF
|style="text-align:right"| 128–191
|style="font-family: sans-serif;"| Zweites, drittes oder viertes Byte einer Bytesequenz
|- class="hintergrundfarbe7"
| 11000000–11000001
|style="text-align:center"| C0–C1
|style="text-align:right"| 192–193
|style="font-family: sans-serif;"| Start einer 2 Byte langen Sequenz, welche den Codebereich aus 0 bis 127 abbildet, unzulässig
|- style="background:#99DDFF"
| 11000010–11011111
|style="text-align:center"| C2–DF
|style="text-align:right"| 194–223
|style="font-family: sans-serif;"| Start einer 2 Byte langen Sequenz (U+0080 … U+07FF)
{| class="mw-collapsible mw-collapsed" style="border:1px solid #000000; border-collapse:collapse;"
|- style="border-bottom:1px solid #000000;"
! Startbyte !! abgedeckter Codebereich
|-
| C2 || U+0080 … U+00BF
|-
| C3 || U+00C0 … U+00FF
|- style="border-top:1px dotted #000000;"
| C4 || U+0100 … U+013F
|-
| C5 || U+0140 … U+017F
|-
| C6 || U+0180 … U+01BF
|-
| C7 || U+01C0 … U+01FF
|- style="border-top:1px dotted #000000;"
| C8 || U+0200 … U+023F
|-
| C9 || U+0240 … U+027F
|-
| CA || U+0280 … U+02BF
|-
| CB || U+02C0 … U+02FF
|- style="border-top:1px dotted #000000;"
| CC || U+0300 … U+033F
|-
| CD || U+0340 … U+037F
|-
| CE || U+0380 … U+03BF
|-
| CF || U+03C0 … U+03FF
|- style="border-top:1px dotted #000000;"
| D0 || U+0400 … U+043F
|-
| D1 || U+0440 … U+047F
|-
| D2 || U+0480 … U+04BF
|-
| D3 || U+04C0 … U+04FF
|- style="border-top:1px dotted #000000;"
| D4 || U+0500 … U+053F
|-
| D5 || U+0540 … U+057F
|-
| D6 || U+0580 … U+05BF
|-
| D7 || U+05C0 … U+05FF
|- style="border-top:1px dotted #000000;"
| D8 || U+0600 … U+063F
|-
| D9 || U+0640 … U+067F
|-
| DA || U+0680 … U+06BF
|-
| DB || U+06C0 … U+06FF
|- style="border-top:1px dotted #000000;"
| DC || U+0700 … U+073F
|-
| DD || U+0740 … U+077F
|-
| DE || U+0780 … U+07BF
|-
| DF || U+07C0 … U+07FF
|}
|- style="background:#99DDFF"
| 11100000–11101111
|style="text-align:center"| E0–EF
|style="text-align:right"| 224–239
|style="font-family: sans-serif;"| Start einer 3 Byte langen Sequenz (U+0800 … U+FFFF)
{| class="mw-collapsible mw-collapsed toptextcells" style="border:1px solid #000000; border-collapse:collapse;"
|- style="border-bottom:1px solid #000000;"
! Startbyte !! abgedeckter Codebereich || Anmerkung
|-
| E0
| U+0800&nbsp;…&nbsp;U+0FFF
|style="font-size:smaller"| 2. Byte:
{| style="font-size:smaller; border:1px solid #000000;"
|- style="background:#FF8888"
| 80&nbsp;…&nbsp;9F || unzulässige Kodierung für U+0000 …&nbsp;U+07FF
|-
| A0&nbsp;…&nbsp;BF ||U+0800 …&nbsp;U+0FFF
|}
|-
| E1 || U+1000 … U+1FFF
|-
| E2 || U+2000 … U+2FFF
|-
| E3 || U+3000 … U+3FFF
|-
| E4 || U+4000 … U+4FFF
|-
| E5 || U+5000 … U+5FFF
|-
| E6 || U+6000 … U+6FFF
|-
| E7 || U+7000 … U+7FFF
|-
| E8 || U+8000 … U+8FFF
|-
| E9 || U+9000 … U+9FFF
|-
| EA || U+A000 … U+AFFF
|-
| EB || U+B000 … U+BFFF
|-
| EC || U+C000 … U+CFFF
|-
| ED || U+D000&nbsp;…&nbsp;U+DFFF
|style="font-size:smaller"| 2. Byte:
{| style="font-size:smaller; border:1px solid #000000;"
|-
| 80&nbsp;…&nbsp;9F || U+D000 …&nbsp;U+D7FF
|- style="background:#FF8888"
| A0&nbsp;…&nbsp;BF || unzulässig! Siehe [[CESU-8]]
|}
|-
| EE || U+E000 … U+EFFF ||style="font-size:smaller"| ([[Private Use Area#Private Use Zone|Private Use Zone]])
|-
| EF || U+F000 … U+FFFF ||style="font-size:smaller"| (Private Use Zone, wenn 2. Byte im Bereich 80 … A3)
|}
|- style="background:#99DDFF"
| 11110000–11110100
|style="text-align:center"| F0–F4
|style="text-align:right"| 240–244
|style="font-family: sans-serif;"| Start einer 4 Byte langen Sequenz (Inklusive der ungültigen Codebereiche von <code style="background:none;">110000</code> bis <code style="background:none;">13FFFF</code>)
{| class="mw-collapsible mw-collapsed toptextcells" style="border:1px solid #000000; border-collapse:collapse;"
|- style="border-bottom:1px solid #000000;"
! Startbyte !! abgedeckter Codebereich
|-
| F0 || U+10000 … U+3FFFF <small>(2. Byte muss aus Bereich 90 … BF sein, wobei B0…BF der bisher ungenutzten Ebene 3 entspricht)</small>
|-
| F1 || U+40000 … U+7FFFF <small>''(derzeit keine gültigen Zeichen in diesem Bereich)''</small>
|-
| F2 || U+80000 … U+BFFFF <small>''(derzeit keine gültigen Zeichen in diesem Bereich)''</small>
|-
| F3 || U+C0000 … U+FFFFF
|-
| F4 || U+100000 … U+10FFFF <small>(2. Byte muss aus Bereich 80 … 8F sein!)</small>
|}
|- class="hintergrundfarbe7"
| 11110101–11110111
|style="text-align:center"| F5–F7
|style="text-align:right"| 245–247
|style="font-family: sans-serif;"| Ungültig nach <nowiki>RFC&nbsp;3629</nowiki>:<ref name="RFC3629" /> Start einer 4 Byte langen Sequenz für Codebereich über <code style="background:none;">140000</code>
|- class="hintergrundfarbe7"
| 11111000–11111011
|style="text-align:center"| F8–FB
|style="text-align:right"| 248–251
|style="font-family: sans-serif;"| Ungültig nach <nowiki>RFC&nbsp;3629</nowiki>:<ref name="RFC3629" /> Start einer 5 Byte langen Sequenz
|- class="hintergrundfarbe7"
| 11111100–11111101
|style="text-align:center"| FC–FD
|style="text-align:right"| 252–253
|style="font-family: sans-serif;"| Ungültig nach <nowiki>RFC&nbsp;3629</nowiki>:<ref name="RFC3629" /> Start einer 6 Byte langen Sequenz
|- class="hintergrundfarbe7"
| 11111110–11111111
|style="text-align:center"| FE–FF
|style="text-align:right"| 254–255
|style="font-family: sans-serif;"| Ungültig. In der ursprünglichen UTF-8-Spezifikation nicht definiert.
|}

{| class="wikitable" style="text-align:center; font-weight:bold;"
|- class="hintergrundfarbe6"
! [[Hexadezimalsystem|Code]]
! style="width:5.88%"| …0 ||style="width:5.88%"| …1 ||style="width:5.88%"| …2 ||style="width:5.88%"| …3 ||style="width:5.88%"| …4 ||style="width:5.88%"| …5 ||style="width:5.88%"| …6 ||style="width:5.88%"| …7 ||style="width:5.88%"| …8 ||style="width:5.88%"| …9 ||style="width:5.88%"| …A ||style="width:5.88%"| …B ||style="width:5.88%"| …C ||style="width:5.88%"| …D ||style="width:5.88%"| …E ||style="width:5.88%"| …F
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 0…
| title="Null"| ''[[Nullzeichen|NUL]]''
| title="Start of Heading"| ''[[Start of Heading|SOH]]''
| title="Start of Text"| ''[[Start of Text (Steuerzeichen)|STX]]''
| title="End of Text"| ''[[End of Text (Steuerzeichen)|ETX]]''
| title="End of Transmission"| ''[[End of Transmission|EOT]]''
| title="Enquiry"| ''[[Steuerzeichen#C0-Steuerzeichen|ENQ]]''
| title="Acknowledge"| ''[[ACK (Signal)|ACK]]''
| title="Bell"| ''[[Bell (Steuerzeichen)|BEL]]''
| title="Back Space"| ''[[Backspace|BS]]''
| title="Horizontal Tab"| ''[[Tabulatorzeichen|HT]]''
| title="Line Feed"| ''[[Zeilenvorschub|LF]]''
| title="Vertical Tab"| ''[[Tabulatorzeichen|VT]]''
| title="Form Feed"| ''[[Seitenvorschub|FF]]''
| title="Carriage Return"| ''[[Wagenrücklauf|CR]]''
| title="Shift Out"| ''[[Shift Out|SO]]''
| title="Shift In"| ''[[Shift In|SI]]''
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 1…
| title="Data Link Escape"| ''[[Data Link Escape|DLE]]''
| title="Device Control 1"| ''[[XON/XOFF|DC1]]''
| title="Device Control 2"| ''[[Steuerzeichen#x18|DC2]]''
| title="Device Control 3"| ''[[XON/XOFF|DC3]]''
| title="Device Control 4"| ''[[Steuerzeichen#x20|DC4]]''
| title="Negative Acknowledge"| ''[[ACK (Signal)|NAK]]''
| title="Synchronous Idle"| ''[[Idle|SYN]]''
| title="End of Transmission Block"| ''[[Transmission Block|ETB]]''
| title="Cancel"| ''[[Steuerzeichen#x24|CAN]]''
| title="End of Medium"| ''[[Medienende|EM]]''
| title="Substitute"| ''[[Zeichenersetzung|SUB]]''
| title="Escape"| ''[[Escape (Steuerzeichen)|ESC]]''
| title="File Separator"| ''[[Datei-Separator|FS]]''
| title="Group Separator"| ''[[Steuerzeichen#x29|GS]]''
| title="Record Separator"| ''[[Datensatz|RS]]''
| title="Unit Separator"| ''[[Entität (Informatik)|US]]''
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 2…
| title="Leerzeichen"| [[Leerzeichen|SP]]
| title="Ausrufezeichen"| [[Ausrufezeichen|!]]
| title="Anführungszeichen"| [[Anführungszeichen|"]]
| title="Rautezeichen"| [[Rautezeichen|#]]
| title="Dollarzeichen"| [[Dollarzeichen|$]]
| title="Prozentzeichen"| [[Prozent|%]]
| title="Et-Zeichen"| [[Et-Zeichen|&amp;]]
| title="Apostroph"| [[Apostroph|']]
| title="Klammer"| [[Klammer (Zeichen)|(]]
| title="Klammer"| [[Klammer (Zeichen)|)]]
| title="Sternchen"| [[Sternchen (Schriftzeichen)|*]]
| title="Pluszeichen"| [[Pluszeichen|+]]
| title="Komma"| [[Komma|,]]
| title="Bindestrich-Minus"| [[Bindestrich-Minus|-]]
| title="Punkt"| [[Punkt (Satzzeichen)|.]]
| title="Schrägstrich"| [[Schrägstrich|/]]
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 3…
| title="Null"| [[Null|0]]
| title="Eins"| [[Eins|1]]
| title="Zwei"| [[Zwei|2]]
| title="Drei"| [[Drei|3]]
| title="Vier"| [[Vier|4]]
| title="Fünf"| [[Fünf|5]]
| title="Sechs"| [[Sechs|6]]
| title="Sieben"| [[Sieben|7]]
| title="Acht"| [[Acht|8]]
| title="Neun"| [[Neun|9]]
| title="Doppelpunkt"| [[Doppelpunkt|:]]
| title="Semikolon"| [[Semikolon|;]]
| title="Kleiner als"| [[Vergleichszeichen|&lt;]]
| title="Gleichheitszeichen"| [[Gleichheitszeichen|=]]
| title="Größer als"| [[Vergleichszeichen|&gt;]]
| title="Fragezeichen"| [[Fragezeichen|?]]
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 4…
| title="At-Zeichen"| [[At-Zeichen|@]]
| title="A"| [[A]]
| title="B"| [[B]]
| title="C"| [[C]]
| title="D"| [[D]]
| title="E"| [[E]]
| title="F"| [[F]]
| title="G"| [[G]]
| title="H"| [[H]]
| title="I"| [[I]]
| title="J"| [[J]]
| title="K"| [[K]]
| title="L"| [[L]]
| title="M"| [[M]]
| title="N"| [[N]]
| title="O"| [[O]]
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 5…
| title="P"| [[P]]
| title="Q"| [[Q]]
| title="R"| [[R]]
| title="S"| [[S]]
| title="T"| [[T]]
| title="U"| [[U]]
| title="V"| [[V]]
| title="W"| [[W]]
| title="X"| [[X]]
| title="Y"| [[Y]]
| title="Z"| [[Z]]
| title="Eckige Klammer"| [[Eckige Klammer|<nowiki>[</nowiki>]]
| title="Umgekehrter Schrägstrich"| [[Umgekehrter Schrägstrich|\]]
| title="Eckige Klammer"| [[Eckige Klammer|&#93;]]
| title="Zirkumflex"| [[Zirkumflex|^]]
| title="Unterstrich"| [[Unterstrich|_]]
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 6…
| title="Gravis"| [[Gravis (Typografie)|`]]
| title="a"| [[a]]
| title="b"| [[b]]
| title="c"| [[c]]
| title="d"| [[d]]
| title="e"| [[e]]
| title="f"| [[f]]
| title="g"| [[g]]
| title="h"| [[h]]
| title="i"| [[i]]
| title="j"| [[j]]
| title="k"| [[k]]
| title="l"| [[l]]
| title="m"| [[m]]
| title="n"| [[n]]
| title="o"| [[o]]
|- class="hintergrundfarbe9"
| class="hintergrundfarbe6"| 7…
| title="p"| [[p]]
| title="q"| [[q]]
| title="r"| [[r]]
| title="s"| [[s]]
| title="t"| [[t]]
| title="u"| [[u]]
| title="v"| [[v]]
| title="w"| [[w]]
| title="x"| [[x]]
| title="y"| [[y]]
| title="z"| [[z]]
| title="Geschweifte Klammer"| [[Geschweifte Klammer|{]]
| title="Senkrechter Strich"| [[Senkrechter Strich|&#124;]]
| title="Geschweifte Klammer"| [[Geschweifte Klammer|}]]
| title="Tilde"| [[Tilde|~]]
| title="DEL"| [[Delete|DEL]]
|-
! class="hintergrundfarbe6"| 8…
|colspan="16" rowspan=4 style="background:#fc8"| <span style="font-weight:normal;">''Zweites, drittes oder viertes Byte einer Bytesequenz''</span>
|-
! class="hintergrundfarbe6"| 9…
|-
! class="hintergrundfarbe6"| A…
|-
! class="hintergrundfarbe6"| B…
|-
! class="hintergrundfarbe6"| C…
| class=hintergrundfarbe7 colspan="2"|
|style="background:#99DDFF; border-left-style: hidden;" colspan="14" rowspan="2" | <span style="font-weight:normal;">''Start einer 2 Byte langen Sequenz''</span>
|-
! class="hintergrundfarbe6"| D…
|style="background:#99DDFF" colspan="2"|
|-
! class="hintergrundfarbe6"| E…
|style="background:#99DDFF" colspan="16"| <span style="font-weight:normal;">''Start einer 3 Byte langen Sequenz''</span>
|-
! class="hintergrundfarbe6"| F…
|style="background:#99DDFF" colspan="5"| <span style="font-weight:normal;">''Start einer 4 Byte langen Sequenz''</span> || class=hintergrundfarbe7 colspan="3"| || class=hintergrundfarbe7 colspan="4"| || class=hintergrundfarbe7 colspan="2"| || class=hintergrundfarbe7 colspan="2"|
|- class="hintergrundfarbe6"
!
! …0 || …1 || …2 || …3 || …4 || …5 || …6 || …7 || …8 || …9 || …A || …B || …C || …D || …E || …F
|}

=== Beispiele ===
In folgender Tabelle sind einige Kodierungsbeispiele für UTF-8 angegeben:

{| class="wikitable"
|+ Beispiele für UTF-8 Kodierungen
|-
! Zeichen
! Unicode
! Unicode binär
! UTF-8 binär
! UTF-8 hexadezimal
|-
| Buchstabe ''y''
| U+0079
|style="text-align:right; font-family:monospace;"| 00000000&nbsp;0<span style="color:#00CC00">1111001</span>
|style="font-family:monospace;"| '''0'''<span style="color:#00CC00">1111001</span>
| 79
|-
| Buchstabe ''ä''
| U+00E4
|style="text-align:right; font-family:monospace;"| 00000<span style="color:#00CCCC">000&nbsp;11</span><span style="color:#00CC00">100100</span>
|style="font-family:monospace;"| '''110'''<span style="color:#00CCCC">00011</span> '''10'''<span style="color:#00CC00">100100</span>
| C3 A4
|-
| Zeichen für eingetragene Marke [[®]]
| U+00AE
|style="text-align:right; font-family:monospace;"| 00000<span style="color:#00CCCC">000&nbsp;10</span><span style="color:#00CC00">101110</span>
|style="font-family:monospace;"| '''110'''<span style="color:#00CCCC">00010</span> '''10'''<span style="color:#00CC00">101110</span>
| C2 AE
|-
| [[Eurozeichen]] ''[[€]]''
| U+20AC
|style="text-align:right; font-family:monospace;"| <span style="color:#CC00CC">0010</span><span style="color:#00CCCC">0000&nbsp;10</span><span style="color:#00CC00">101100</span>
|style="font-family:monospace;"| '''1110'''<span style="color:#CC00CC">0010</span> '''10'''<span style="color:#00CCCC">000010</span> '''10'''<span style="color:#00CC00">101100</span>
| E2 82 AC
|-
| [[Violinschlüssel]] ''[[&#x1D11E;]]''
| U+1D11E
|style="text-align:right; font-family:monospace;"| 000<span style="color:#CCCC00">000</span><span style="color:#CC00CC">01&nbsp;1101</span><span style="color:#00CCCC">0001&nbsp;00</span><span style="color:#00CC00">011110</span>
|style="font-family:monospace;"| '''11110'''<span style="color:#CCCC00">000</span> '''10'''<span style="color:#CC00CC">011101</span> '''10'''<span style="color:#00CCCC">000100</span> '''10'''<span style="color:#00CC00">011110</span>
| F0 9D 84 9E
|}

Das letzte Beispiel liegt außerhalb des ursprünglich in [[Unicode]] (unter Version 2.0) enthaltenen Codebereiches (16&nbsp;Bit), der in der aktuellen Unicode-Version als [[Unicode#Gliederung|BMP-Bereich (Ebene 0)]] enthalten ist. Da derzeit viele Schriftarten diese neuen Unicode-Bereiche noch nicht enthalten, können die dort enthaltenen Zeichen auf vielen Plattformen nicht korrekt dargestellt werden. Stattdessen wird ein [[Ersatzzeichen]] dargestellt, welches als Platzhalter dient.

=== Folgerungen ===
Aus dem Algorithmus ergeben sich folgende Eigenschaften von UTF-8:
* Ist das höchste Bit des ersten Bytes <span style="font-family:monospace">'''0'''</span>, handelt es sich um ein [[American Standard Code for Information Interchange|ASCII]]-Zeichen, da ASCII eine 7-Bit-Kodierung ist und die ersten 128 Unicode-Zeichen den ASCII-Zeichen entsprechen. Damit sind alle ASCII-Zeichenketten automatisch aufwärtskompatibel zu UTF-8, oder anders ausgedrückt: Alle Daten, für die ausschließlich ASCII-Zeichen verwendet werden, sind in beiden Darstellungen identisch. Für alle auf dem [[Lateinisches Alphabet|lateinischen Alphabet]] [[Lateinisches Schriftsystem|basierenden Schriften]] ist UTF-8 daher eine besonders platzsparende Methode zur Abbildung von Unicode-Zeichen.
* Ist das höchste Bit des ersten Bytes <span style="font-family:monospace">'''1'''</span>, handelt es sich um ein Mehrbytezeichen, also ein Unicode-Zeichen mit einer Zeichennummer größer als 127. Sind die höchsten beiden Bits eines Bytes <span style="font-family:monospace">'''11'''</span>, handelt es sich um das Startbyte eines Mehrbytezeichens, sind sie <span style="font-family:monospace">'''10'''</span>, um ein Folgebyte.
* Die UTF-8-Kodierungen mit bis zu drei Bytes umfassen die gesamte nullte Unicode-Ebene (''Plane 0: Basic Multilingual Plane'', Zeichen 0&nbsp;bis 65.535) und nur diese. Zeichen außerhalb der nullten Ebene benötigen also immer vier Bytes in {{nowrap|1=UTF-8.}}
* Die [[Lexikographische Ordnung|lexikalische Ordnung]] nach Bytewerten entspricht der lexikalischen Ordnung nach Zeichennummern, da höhere Zeichennummern mit entsprechend mehr 1-Bits im Start-Byte kodiert werden.
* Startbytes (<span style="font-family:monospace">'''0…'''</span> oder <span style="font-family:monospace">'''11…'''</span>) und Folgebytes (<span style="font-family:monospace">'''10…'''</span>) lassen sich eindeutig voneinander unterscheiden. Somit kann ein Bytestrom auch in der Mitte gelesen werden, ohne dass es Probleme mit der Dekodierung gibt, was insbesondere bei der Wiederherstellung defekter Daten wichtig ist. Bytes beginnend mit 10 werden einfach übersprungen, bis <span style="font-family:monospace">'''0…'''</span> oder <span style="font-family:monospace">'''11…'''</span> erkannt wird. Dass Startbytes und Folgebytes eindeutig voneinander unterschieden sind, ist ein Vorteil der UTF-8-Kodierung. Bei Kodierungen ohne diese Eigenschaft ist das Lesen eines Datenstroms, dessen Beginn unbekannt ist, unter Umständen nicht möglich.

== Darstellung in Editoren ==
=== Byte Order Mark ===
Obwohl bei UTF-8 aufgrund der Art der Kodierung grundsätzlich nicht das Problem unterschiedlicher Bytereihenfolgen auftreten kann, fügen einige Programme eine [[Byte Order Mark]] (BOM, {{deS|Bytereihenfolge-Markierung}}) am Dateianfang von UTF-8-Dateien ein. Die BOM besteht aus der Bytesequenz '''EF BB BF''', die in nicht UTF-8-fähigen [[Texteditor]]en und [[Webbrowser|Browsern]] meist als [[ISO 8859-1|ISO-8859-1]]-Zeichenfolge <nowiki>ï»¿</nowiki> erscheint und für Kompatibilitätsprobleme verantwortlich sein kann.

=== Nicht im Unicodeblock Basis-Lateinisch enthaltene Zeichen ===
Die Buchstaben des [[Unicodeblock Basis-Lateinisch|lateinischen Grundalphabets]] sowie die wichtigsten Satzzeichen werden in UTF-8 und [[ISO 8859]] identisch angezeigt. Probleme mit der falsch gewählten Zeichencodierung treten bei den anderen Zeichen auf, beispielsweise bei [[Umlaut]]en. In deutschsprachigen Texten treten diese Zeichen jedoch nur vereinzelt auf, sodass der Text zwar stark entstellt wirkt, aber meist noch lesbar bleibt.

{| class="wikitable float-right" style="text-align:center;"
|+ UTF-8-Text mit anderem Encoding geöffnet:
|-
! Code !! colspan="2" | UTF-8 !! ISO 8859-1 !! ISO 8859-15 !! UTF16
|-
! C3 84<sub>hex</sub>
| U+00C4 || Ä || Ã{{Char|132}} || Ã{{Char|132}} || 쎄
|-
!C3 96<sub>hex</sub>
| U+00D6 || Ö || Ã{{Char|150}} || Ã{{Char|150}} || 쎖
|-
! C3 9C<sub>hex</sub>
| U+00DC || Ü || Ã{{Char|156}} || Ã{{Char|156}} || 쎜
|-
! C3 9F<sub>hex</sub>
| U+00DF || ß || Ã{{Char|159}} || Ã{{Char|159}} || 쎟
|-
! C3 A4<sub>hex</sub>
| U+00E4 || ä || Ã¤ || Ã€ || 쎤
|-
! C3 B6<sub>hex</sub>
| U+00F6 || ö || Ã¶ || Ã¶ || 쎶
|-
! C3 BC<sub>hex</sub>
| U+00FC || ü || Ã¼ || ÃŒ || 쎼
|}

{| class="wikitable float-right" style="text-align:center;"
|+ ISO-8859-Text mit UTF 8 geöffnet:
|-
! Code !! ISO 8859-1/15 !! UTF-8
|-
!C4<sub>hex</sub>
|[[Ä]]||Startbyte für U+0100 bis U+013F
|-
!D6<sub>hex</sub>
|[[Ö]]||Startbyte für U+0580 bis U+013F
|-
!DC<sub>hex</sub>
|[[Ü]]||Startbyte für U+0100 bis U+013F
|-
!DF<sub>hex</sub>
|[[ß]]||Startbyte für U+0580 bis U+05BF
|-
!E4<sub>hex</sub>
|[[ä]]||Startbyte für U+4000 bis U+4FFF
|-
!F6<sub>hex</sub>
|[[ö]]||style="text-align:center;"|unzulässig
|-
!FC<sub>hex</sub>
|[[ü]]||style="text-align:center;"|unzulässig
|}

In UTF-8 bestehen die Umlaute des [[Deutsches Alphabet|deutschen Alphabets]] (sofern sie in der [[Normalisierung (Unicode)|Normalform NFC]] vorliegen, also als ''precomposed character'') und das ß aus zwei Bytes; nach ISO 8859 wird jedes dieser Zeichen als 1 Byte codiert und jedes Byte beim Lesen in ein Zeichen transformiert. Das in der UTF-8-Kodierung dieser Buchstaben gemeinsame erste Byte C3<sub>hex</sub> wird in den meisten ISO-8859-Varianten als Ã decodiert. Bei ÄÖÜß wird das zweite Byte nicht oder mit dem gleichen Fehler-Zeichen dargestellt, weil 7F<sub>hex</sub> bis 9F<sub>hex</sub> in ISO 8859 nicht definiert sind.

Umgekehrt führen bei der Interpretation eines in ISO-8859-codierten Textes als UTF-8 die Buchstaben öü zur Anzeige eines Ersetzungszeichens, weil der entsprechende Byte-Wert nicht definiert ist. Bei den Buchstaben ÄÖÜß wird ein Start-Byte angenommen und versucht, das nächste Byte als Folgebyte gemeinsam als ein Zeichen zu interpretieren. Das scheitert in der Regel, weil die Codierungen der meisten Buchstaben – aller Buchstaben im Fall von ISO 8859-1 – keine gültigen Folgebytes sind. Bei einem ä wird sogar versucht, die nächsten beiden Bytes als Folgebytes zu interpretieren, was aus denselben Gründen regelmäßig scheitert. Je nach Programmierung des anzeigenden Programms verschwinden womöglich entsprechend viele Buchstaben aus dem Text.

Ein Beispiel für das Wort ''Höhe'':
; UTF-8-Text in ISO-8859-1/15-Umgebung
: ''Höhe'' → ''HÃ¶he''.
; ISO-8859-1-Text in UTF-8-Umgebung
: ''Höhe'' → ''H''�''he'' bzw. Fehlermeldung mit Abbruch. Ein Byte mit dem Hexadezimalwert ''F6'' ist in UTF-8 nicht zulässig. Es ist üblich, für nicht konvertierbare Zeichen das [[Ersetzungszeichen]] (U+FFFD) einzufügen.

== Alternativen ==

Die Verarbeitung von UTF-8 als Multibyte-Zeichenfolge erfordert mehr Rechenzeit als Zeichenkodierungen mit fester Byteanzahl und &#x2011;zuordnung, weil jedes Byte analysiert und ggf. konvertiert werden muss. Eine Kodierung ohne Konversion war [[UCS-2]], das [[Microsoft]] 1993 mit [[Microsoft Windows NT 3.1|Windows NT 3.1]] einführte. Hier wurde jedes Zeichen ursprünglich fest mit zwei Bytes belegt, wodurch der ursprüngliche Unicode-Umfang von 65.535 Zeichen abdeckbar war, um den Preis eines erhöhten Speicherbedarfs (ungefähr Faktor 2 bei Englisch und westeuropäischen Sprachen). Da durch die spätere Weiterentwicklung von Unicode jedoch mit dieser Kodierung nicht mehr alle Zeichen darstellbar waren, erfolgte mit [[Microsoft Windows 2000|Windows 2000]] ein neuerlicher Umstieg auf den kompatiblen Nachfolger [[UTF-16|UTF-16 Little Endian]], womit man allerdings zugleich die Vorteile einer Kodierung mit fester Byteanzahl wieder verlor.<ref>{{Internetquelle |url=https://utf8everywhere.org/#background |titel=UTF-8 Everywhere Manifesto |sprache=en |abruf=2021-12-22}}</ref>

== Weblinks ==
{{Wiktionary}}
* {{RFC-Internet |RFC=3629 |Titel=UTF-8, a transformation format of ISO 10646 |Datum=2003 |Standard=STD63}}
* [https://www.utf8-zeichentabelle.de/unicode-utf8-table.pl?number=1024&htmlent=1 UTF-8-Codetabelle mit Unicode-Zeichen] – UTF-8-Kodierung aller Unicode-Positionen aus der [[Unicode#Gliederung|BMP]] mit Zusatzinformationen und [[HTML-Entität|benannten HTML-Entitäten]]
* Dieter Pawelczak: [https://dokumente.unibw.de/pub/bscw.cgi/11443116/ucs_utf.html ''Kodierung von Zeichenfolgen. Beispiel UCS/UTF8''.] [[Universität der Bundeswehr München]], Institut für Software Engineering.
* Pavel Radzivilovsky, Yakov Galka, Slava Novgorodov: [https://utf8everywhere.org/ ''UTF-8 Everywhere. Manifesto''.] (englisch)

== Anmerkungen ==
<references group="Anm." />

== Einzelnachweise ==
<references>
<ref name="RFC3629">
{{RFC-Internet |RFC=3629 |Titel=UTF-8, a transformation format of ISO 10646 |Datum=2003 |Standard=STD63}}
</ref>
</references>

{{SORTIERUNG:UTF-08}}
[[Kategorie:Unicode]]
Folgende Vorlagen werden von diesem Artikel verwendet:
Vorlage:0 (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Vorlage:Char (bearbeiten)
Vorlage:DeS (Quelltext anzeigen) (schreibgeschützt (nur angemeldete, nicht neue Benutzer))
Vorlage:IconExternal (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:IconExternal/styles.css (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Internetquelle (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:IstZahl (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Lang (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Vorlage:Nowrap (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:RFC-Internet (bearbeiten)
Vorlage:Str find (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Str len (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Webarchiv (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Webarchiv/Wayback (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Vorlage:Webarchiv/styles.css (bearbeiten)
Vorlage:Wiktionary (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:DateTime (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Modul:DateTime/local (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Modul:ISO15924/codes (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Multilingual (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Multilingual/config (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Multilingual/names (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Str (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Modul:TemplUtl (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:TemplatePar (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Modul:Text (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:URLutil (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Modul:Vorlage:Internetquelle (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Vorlage:lang (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:Vorlage:lang/config (Quelltext anzeigen) (schreibgeschützt (nur Sichter))
Modul:WLink (Quelltext anzeigen) (schreibgeschützt (nur Administratoren))
Zurück zur Seite UTF-8.
Abgerufen von „https://de.wikipedia.org/wiki/UTF-8“
Quelltext der Seite UTF-8

Navigationsmenü

Suche
