为什么 HTML 将 2 字节和 3 字节的字符视为相同，而不是 4 字节的字符？
Why does HTML treat 2 and 3-byte characters the same, but not 4-byte?
我正在为一个网站做一些 GUI 工作，并对一些文本输入使用 "maxlength" 属性，其中一些可能包含 Unicode 字符。
假设我有一个 maxlength = 50 的文本字段，我在其中填充了 2 字节的 Unicode 字符 (UTF-16)。我可以在文本字段中输入 50 个字符。
我也可以对 3 字节的字符执行相同的操作。其中 50 个。
但是我只能在字段中得到 25 个 4 字节的字符。按理说，既然是2倍的字节数，为什么用3字节的字符还是能正常响应呢？如何处理额外的字节？
Unicode 字符通常可以用 UTF-8、UTF-16 或 UTF-32 (see their faq) 编码。你对 2、3 和 4 字节字符的使用告诉我你是从 UTF-8 的角度工作的。
然而，maxlength 属性是 defined as the maximum number of UTF-16 code units，而不是字节数。每个UTF-16编码单元是两个字节。
一个 2 字节的 UTF-8 字符将是一个 UTF-16 代码单元。一个 3 字节的 UTF-8 字符也将是一个单一的 UTF-16 代码单元。但是，一个 4 字节的 UTF-8 字符代表一个大于 0xFFFF 的 Unicode 字符。 UTF-16 将其表示为两个代码单元（称为代理对，请参阅上面链接的常见问题解答）。
我正在为一个网站做一些 GUI 工作，并对一些文本输入使用 "maxlength" 属性，其中一些可能包含 Unicode 字符。
假设我有一个 maxlength = 50 的文本字段，我在其中填充了 2 字节的 Unicode 字符 (UTF-16)。我可以在文本字段中输入 50 个字符。
我也可以对 3 字节的字符执行相同的操作。其中 50 个。
但是我只能在字段中得到 25 个 4 字节的字符。按理说，既然是2倍的字节数，为什么用3字节的字符还是能正常响应呢？如何处理额外的字节？
Unicode 字符通常可以用 UTF-8、UTF-16 或 UTF-32 (see their faq) 编码。你对 2、3 和 4 字节字符的使用告诉我你是从 UTF-8 的角度工作的。
然而，maxlength 属性是 defined as the maximum number of UTF-16 code units，而不是字节数。每个UTF-16编码单元是两个字节。
一个 2 字节的 UTF-8 字符将是一个 UTF-16 代码单元。一个 3 字节的 UTF-8 字符也将是一个单一的 UTF-16 代码单元。但是，一个 4 字节的 UTF-8 字符代表一个大于 0xFFFF 的 Unicode 字符。 UTF-16 将其表示为两个代码单元（称为代理对，请参阅上面链接的常见问题解答）。