String 当将utf-8编码的字符串从字节转换为字符时，计算机如何知道字符的结尾？

给定一个以UTF-8编码的Unicode字符串，它只是内存中的字节

如果计算机想将这些字节转换为相应的Unicode码点（数字），它如何知道一个字符的结束和另一个字符的开始？某些字符由1字节表示，其他字符最多由6字节表示。所以如果你有

00111101 10111001

---

这可能代表2个字符，或1个字符。计算机是如何决定正确解释它的？是否存在某种约定，从第一个字节我们可以知道当前字符使用了多少字节或其他什么？

多字节序列的第一个字节以前导1位的数量对序列的长度进行编码：

• 0xxxxxxx

  本身就是一个字符

• 10xxxxxx

  是多字节字符的延续

• 110xxxxx

  是2字节字符的第一个字节

• 1110xxxx

  是3字节字符的第一个字节

• 11110xxx

  是4字节字符的第一个字节

超过4个前导1位的字节不能在UTF-8中编码有效字符，因为4字节序列已经覆盖了从U+0000到U+10FFFF的整个Unicode范围

---

因此，问题中提出的示例有一个ASCII字符和一个连续字节，它们本身不编码字符。

10年前UTF-8被限制为4个字节，您可能使用了一些过时的源代码。无论如何，这个方案解释得很好。这是一个古老的来源，但这并没有真正改变问题：）你有一个观点，维基百科很清楚