多字节 UTF-8 字符中的字节值
Byte values in multi-byte UTF-8 characters
我正在阅读有关 UTF-8 character encoding 但很难理解的内容。我知道 ASCII 字符（即字节值 0x00 到 0x7F）在 UTF-8 中表示为单个字节。我要回答的问题是，在多字节 UTF-8 字符的情况下，第二个和后续字节总是 0x80 到 0xFF，或者它们可以是任何值？
当给定的 Unicode 代码点值为 U+0000 - U+007F 时，它适合 UTF-8 中的单个字节。字节的高位设置为0，其余7位保存代码点值的位。
当给定的 Unicode 代码点值为 U+0080 或更高时，它需要 2-4 个 UTF-8 字节，具体取决于代码点值（U+0080 - U+07FF 为 2，U+0800 为 3 - U+FFFFF，4 表示 U+10000 - U+1FFFFF）。第一个字节的高位设置为 110、1110 或 11110 以指示完整序列中有多少字节（分别为 2-4）。后续字节的高位设置为10。所有字节的其余位包含代码点值的位，根据需要在字节中展开。
Bits of First Last Bytes in
code point code point code point sequence Byte 1 Byte 2 Byte 3 Byte 4
7 U+0000 U+007F 1 0xxxxxxx
11 U+0080 U+07FF 2 110xxxxx 10xxxxxx
16 U+0800 U+FFFF 3 1110xxxx 10xxxxxx 10xxxxxx
21 U+10000 U+1FFFFF 4 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
阅读 description on Wikipedia for more details. It provides the above table, as well as a few examples. Also read RFC 3629，这是一个官方的 UTF-8 规范。
在 UTF-8 字符的多字节表示中，所有 字节都在 0x80 到 0xFF 范围内，即它们设置了最高有效位。这意味着字节 0x00 到 0x7F 仅用作 ASCII 字符（在 Unicode 中称为 Basic Latin）的单字节表示。
我正在阅读有关 UTF-8 character encoding 但很难理解的内容。我知道 ASCII 字符（即字节值 0x00 到 0x7F）在 UTF-8 中表示为单个字节。我要回答的问题是，在多字节 UTF-8 字符的情况下，第二个和后续字节总是 0x80 到 0xFF，或者它们可以是任何值？
当给定的 Unicode 代码点值为 U+0000 - U+007F 时，它适合 UTF-8 中的单个字节。字节的高位设置为0，其余7位保存代码点值的位。
当给定的 Unicode 代码点值为 U+0080 或更高时，它需要 2-4 个 UTF-8 字节，具体取决于代码点值（U+0080 - U+07FF 为 2，U+0800 为 3 - U+FFFFF，4 表示 U+10000 - U+1FFFFF）。第一个字节的高位设置为 110、1110 或 11110 以指示完整序列中有多少字节（分别为 2-4）。后续字节的高位设置为10。所有字节的其余位包含代码点值的位，根据需要在字节中展开。
Bits of First Last Bytes in
code point code point code point sequence Byte 1 Byte 2 Byte 3 Byte 4
7 U+0000 U+007F 1 0xxxxxxx
11 U+0080 U+07FF 2 110xxxxx 10xxxxxx
16 U+0800 U+FFFF 3 1110xxxx 10xxxxxx 10xxxxxx
21 U+10000 U+1FFFFF 4 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
阅读 description on Wikipedia for more details. It provides the above table, as well as a few examples. Also read RFC 3629，这是一个官方的 UTF-8 规范。
在 UTF-8 字符的多字节表示中，所有 字节都在 0x80 到 0xFF 范围内，即它们设置了最高有效位。这意味着字节 0x00 到 0x7F 仅用作 ASCII 字符（在 Unicode 中称为 Basic Latin）的单字节表示。