讨论UTF-8的码位规则u8国际-u8国际官方网站-网址最新

　　u8国际,u8国际官方网站,u8国际网站最新,u8国际网站,u8国际网址,u8国际链接

　　由于UTF-8并没有像UTF-16那样从算法上硬性规定某个码位一定按照某个字节长度编码，实际上有些人就可以动歪脑筋了。举例说明，Unicode码位0（空字符）既可以按照00来编码，又可以按照C0 80来编码，还可以按照E0 80 80来编码，还可以按照F0 80 80 80来编码，这就乱套了。一个根本不存在字节00的UTF-8字符串转换为UTF-16或UTF-32字符串之后可能会出现多个0，如果用这种方法藏一些危险代码，如rm -rf /之类的，后果可想而知。所以为了安全性的原因，大多数系统在转码时，都会将超长UTF-8编码视为无效编码。

　　现在大多数软件都会先将代理对转换为大于00FFFF的扩展平面码位，然后再按四字节编码UTF-8，表现为F0-F4 80-BF 80-BF 80-BF；但是某些软件由于历史原因不能正确识别代理对，或者为了简化算法的原因，它们将代理对中的两个字各转换为两个三字节编码，表现为ED A0-AF 80-BF / ED B0-BF 80-BF。和第四节的情况一样，也乱套了。现在前者被称为标准UTF-8，后者被称为兼容UTF-8或CESU-8。

　　四个小洞：E0[8-9] ED[A-B] F0[8] F4[9-B]引用评论加载评论中，请稍候...200字以内，仅用于支线交流，主线讨论请采用回复功能。折叠评论张静茹9年3个月前IP:山东7918492楼C#的字符截断很少出现问题,只有在一次字符串里有个很特殊的 占两个char大小的特殊字符 如果把它拆开会出现问题引用评论加载评论中，请稍候...200字以内，仅用于支线交流，主线讨论请采用回复功能。折叠评论acmilan作者9年3个月前IP:四川7918553楼引用 张静茹:

　　\uFFFD的UTF-8编码是EF BF BD，我们常见的『锟斤拷』就是EF BF BD EF BF BD按照GBK码解码的结果。引用评论加载评论中，请稍候...200字以内，仅用于支线交流，主线讨论请采用回复功能。折叠评论acmilan作者9年1个月前IP:四川7971826楼UTF-8码位图解（t表示尾字节，1表示有一个尾字节，2表示有2个尾字节，3表示有3个尾字节，空白表示非法字节，下边的注解表示下一个尾字节的合法取值范围）