UTF-8 è una codifica UTF che permette di codificare caratteri ISO 10646 usando da 1 a 6 byte per ogni carattere, mantenendo l’ordinamento dei caratteri; i caratteri US-ASCII vengono codificati con un unico byte, anzi hanno esattamente la stessa codifica in ASCII e in UTF.

Nel codice UTF-8 i 127 caratteri ASCII di base (codici da 00000000h a 0000007Fh) sono codificati con un unico byte con valori da 00h a 7Fh, cioè esattamente la codifica ASCII.

Tutti gli altri caratteri vengono codificati con una sequenza multi-byte (da 2 a 6 byte) i cui byte hanno esclusivamente valori da 80h a FDh (i valori FEh e FFh non sono mai usati) e quindi non possono essere confusi con caratteri ASCII. Il primo byte della sequenza è sempre un valore tra C0h e FDh e individua la lunghezza della sequenza; i byte seguenti hanno valori tra 89h e BFh; questo permette di individuare dove inizia la codifica di ogni carattere.

Lo schema usato per la rappresentazione di ogni carattere è quello indicato nella seguente tabella dove i caratteri x sono riempiti coi bit del codice UCS rappresentato in binario.

Per i caratteri Unicode bastano sequenze multi-byte da 1 a 3 byte.