UTF-8, Unicode karakterlerini bayt dizileriyle temsil eden değişken uzunluklu bir karakter kodlama biçimidir. RFC 3629'da tanımlanan biçimde bir kod noktası bir ile dört bayt arasında yer kaplar. Metnin dilinden bağımsız bir saklama ve iletim düzeni sağlar.[1]
KODLAMA YAPISI
ASCII kapsamındaki karakterler tek baytla ve ASCII'deki değerleri korunarak kodlanır. Diğer karakterlerde ilk bayt, dizinin uzunluğunu belirleyen işaretler taşır; devam baytları kod noktasının kalan bitlerini içerir. Bu düzen, karakter sınırlarının bayt akışı içinde bulunmasını kolaylaştırır. Aynı karakter için geçerli kodlama tek biçimlidir.[1]
DOĞRULAMA VE KULLANIM
Çözücüler geçersiz veya gereğinden uzun bayt dizilerini kabul etmemelidir. UTF-16'nın vekil kod noktaları doğrudan UTF-8 karakterleri olarak kodlanmaz. Kodlama düzeniyle alfabetik sıralama aynı işlem değildir: baytların sayısal sırası, bir dilin kültürel harf sırasını her zaman karşılamaz. Bu nedenle Türkçe gibi dillere uygun sıralama ayrıca dil kurallarını uygulayan karşılaştırma gerektirir.[1]