为什么UTF-8编码不使用11111 xxx形式的字节作为第一个字节？

根据，字符编码的第一个字节从不以10xxxxxx或11111xxx的位模式开始。

---

第一个原因很明显：自动同步。但是第二个呢？启用5字节编码是为了实现潜在的扩展吗？

旧版本的UTF-8最多允许6字节编码。它后来被限制为4字节编码，但没有理由为了实现该限制而使格式不一致。前导1的数量表示序列的长度，因此11111xxx仍然表示“至少5个字节”，只是没有这样的合法序列

---

拥有非法代码点对于检测损坏非常有用（或者更常见的是，尝试解码实际上不是UTF-8的数据）。因此，仅仅为了获取一位存储空间（实际上不能用于任何用途），就让格式不一致，这会损害其他目标。

准确地说，Unicode的代码点范围被限制为U+10FFFF，以保证所有字符都可以编码。这样做的副作用是使字节0xF5-0xFD在UTF-8中未被使用。（0xFE和0xFF从来都不是有效的UTF-8前导字节，这保证了UTF-8字符永远不会与UTF-16的字节顺序标记混淆。）UTF-8中的其他非法字节是0xC0和0xC1，它们只会出现在ASCII字符的“过长”编码中。@dan04谢谢！您能详细说明ASCII字符的“超长”编码吗？有关“超长”编码的快速说明，请参阅。基本上，通过添加前导零，可以用比所需字节更多的字节对值进行编码，但这是明确禁止的。