“符号”是什么意思；U+&引用；在讨论Unicode编码时？

我意识到这是非常基本的，因为我正在维基百科和任何它指向的地方阅读Unicode。但是这个“U+0000”的语义并没有完全解释清楚。在我看来，“U”总是等于0

为什么“U+”是符号的一部分？这到底是什么意思？（它似乎是某个基本值，但我无法理解它何时或为何非零。）

另外，如果我从其他来源收到一个文本字符串，我如何知道该字符串是UTF-8、UTF-16还是UTF-32编码的？有没有什么方法可以根据上下文自动确定

来自维基百科，文章，章节：

Unicode在0到10FFFF（十六进制）范围内定义了1114112个代码点的代码空间。通常，Unicode代码点是通过写“U+”后跟其十六进制数来表示的。对于基本多语言平面（BMP）中的代码点，使用四位数字（例如，U+0058表示字符拉丁大写字母X）；对于BMP之外的代码点，使用五位或六位数字

引入此约定是为了让读者理解，代码点特别是Unicode代码点。例如，字母

ă

（拉丁文小写字母A随以短音符）为U+0103；在代码页852中有代码0xC7，在代码页1250中有代码0xE3，但当我写U+0103时，每个人都明白我指的是Unicode代码点，他们可以查找它

对于使用拉丁字母表编写的语言，UTF-16和UTF-32字符串很可能包含很多值为0的字节，这些字节不应该出现在UTF-8编码的字符串中。通过查看哪些字节为零，您还可以推断UTF-16和UTF-32字符串的字节顺序，即使在没有字符的情况下也是如此

例如，如果你得到字节数

 0xC3 0x89 0x70 0xC3 0xA9 0x65

这很可能是UTF-8编码中的

Épée

。在little endian UTF-16中，这将是

 0x00 0xC9 0x00 0x70 0x00 0xE9 0x00 0x65

（请注意，每个偶数字节都是零。）

---

谢谢，我自己也开始发现了一些，但是这个答案非常有用。所以我知道“U”并没有添加到任何东西上，它只是一个类似于十六进制之前的“

0x

”或后面的“

H

”的符号（谢天谢地，这似乎是不赞成的）。它看起来就像我看到的所有东西，就文本而言，字符串是UTF-8。因此，ASCII的7位范围之外的任何字符都不会被编码为单个字节。e、 g.字符在UTF-8中绝不是

0xA2

的单个字节。如果您想在UTF-8中使用，则必须将其编码为两个字节

0xC2A2

。因此，对于UTF-8，没有“扩展ASCII”。这些字符中必须有两个或更多字节。@罗伯特布里斯托·约翰逊：是的，有些语言使用转义符号\u1234（可能还有\U103456）。注意：U+XXXX（和\U）被解码，因为它是字符的逻辑（和抽象）表示：它表示unicode表上的字符，而不告诉我们如何将其作为字节。相反，0xAA被编码，所以字节的物理表示形式。