Utf 8 Unicode-正确的做法

我正在研究处理

UTF-8

编码的东西，我发现自己在问这样一个问题：

• 当我遇到一个从未出现在内存中的字节时，我该怎么办

  UTF-8

  编码字符串

i、 e.

0x1111111X

例如，我正在编写一小段代码，它查看字节流中的当前位置，并告诉您有多少字节用于表示流中该位置的代码点

• 0x0XXXXXXX

  1

• 0x10XXXXXX

  oops，我们在一个延续字节中， 向上搜索以查找前导字节

• 0x11XXXXXX

  前导1的数量，这就是答案

• 0x1111111X

  err，这不是 在

  UTF-8中可能！！！怎么办
  

我正在考虑返回一个错误值，但不知道是否应该用一些更可预测的错误标志符号（我指的是表示所述标志符号的代码点）替换它，作为副作用。后来我做了一些更复杂的事情，比如跳过字符串，发现前导字节后面没有正确的连续字节数。。。我想我也应该“修复”它

---

标准做法是将错误编码的字符串保留为断开状态，还是对其进行更改，使其出错，但至少要表现良好？

最常见的方法是在输入不正确时抛出一个有意义的错误并停止

有很多很好的理由这样做：

• 速度：如果您试图修复错误，这通常会导致 即使输入正确，功能也会变慢
• 简单性：如果您试图修复任何错误，您的代码可能会变得非常复杂
• 可维护性和正确性：更容易确保功能正常工作 当输入与您正在使用的规范不匹配时停止。因为您只需根据规范检查输入
• 目的：任何时候你到了这样的地步，你必须考虑： 我的职责是什么？为什么我想到要写它
  另外：修复uft8的函数fixcode也可以在其他地方使用，因此分离修复（目的、简单性、可维护性和正确性）是完全有意义的
  即使您预期会出现错误，我还是希望将encode和fixcode分开，因为 您可以在外部上下文中重用修复代码

如果您真的想在编码时修复utf8代码，我会使用如下模式：

try {
  q = encode(s);
} catch(encodingerror) {
  log(encodingerror);
  t = fixcode(s);
  q = encode(t);
}

---

我想到了浏览器。如果设置了编码utf-8并使用非utf-8字符，则它们看起来像菱形中的问号。所以我认为你可以改变错误的字符。但是如果您发送或存储这些数据，那么显然您必须存储原始数据的副本。@qben是的，我确实考虑过这一点，但请看，这可能只是显示代码或一些底层处理库。我想我的问题是关于lib的，我不希望提到这个异常模式，它似乎是异常的一个糟糕用法，我可以想出一些简单的方法来实现。但也有一些优点，特别是关于重用/维护责任的分离。