• Stockage en binaire
• L'unité de stockage est l'octet
• Ecriture des valeurs en hexadécimal
• si stockage d'une donnée sur plusieurs octets : "endianness". Il faut préciser ce qui est stocké à l'adresse la plus basse en mémoire : l'octet de poids fort ou l'octet de poids faible ? Par extension, cela caractérise l'ordre dans lequel sont stockés les octets d'une donnée dans un fichier. C'est à cette occaion, qu'on rencontrer le terme BOM. Infos intéressantes ici : http://fr.wikipedia.org/wiki/Endianness

• Le site Unicode
• La dernière version du standard
• L'algorithme d'Unicode. On y comprend le mode de fonctionnement et les problèmes qui se sont posés aux concepteurs du système (représentation, tris, …)

• Les "sections" de code Unicode
• Des exemples de jeux de caractères répertoriés par Unicode
• Des outils d'encodage-décodage
• La table des caractères de 0000 à 007F

Un exemple :

Vous voulez représenter, en UTF-8, le symbole "Angstrom". Il faut partir de son code Unicode.

• Vous cherchez sur le site Unicode et vous trouvez :

Son code Unicode est : 212B.

• Cette valeur 212B est comprise entre 0800 et FFFF (voir le tableau ci-dessous).

Donc la réprésentation se fera sur 16 bits qui seront stockés sur 3 octets (voir le tableau ci-dessous)
au format indiqué dans les 6 colonnes de droite du tableau.

• Vous traduisez le code hexadécimal en binaire :

  212B = 0010 0001 0010 1011

Ensuite, vous aurez besoin du tableau de référence de la tranformation (voir en bas de page). Dans la suite du document, en gras : les bits ajoutés par la transformation UTF-8, les autres bits sont issus du code Unicode.

• Il faut décomposer les 16 bits du code Unicode en 3 blocs de 4, 6 et 6 bits : 0010, 000100 et 101011

• Puis ajouter les en-têtes des 3 octets : 1110, 10 et 10. Pour obtenir : 11100010 , 10000100 , 10101011

 Le nombre de bits de l'en-tête du premier octet indique le nombre d'octets de la transformation.

• Le code de la transformation UTF-8 sera : E2 84 AB

• Une page où vous trouverez un convertisseur "tout fait" : http://www.ltg.ed.ac.uk/~richard/utf-8.cgi?input=212B+&mode=hex