知识卡片
UTF8按前缀组织字节
UTF-8把Unicode标量值编码成1—4个8位单元。ASCII范围用0xxxxxxx;多字节首字节以110、1110或11110开头,后续字节以10开头,其余位置承载码点位。
图1-16的例子是:
| 符号/码点 | UTF-8十六进制字节 |
|---|---|
| A,U+0041 | 41 |
| π,U+03C0 | CF 80 |
| ♣,U+2663 | E2 99 A3 |
首字节帮助识别长度,续字节帮助辨认边界,但有前缀不等于一定合法;解码还需检查码点范围及禁止序列。
边界核验:RFC 3629,2026-10-25。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 1.10 表示文本 · 查看原书依据
UTF-8将字符编码为一个8位块序列,通常称为八位字节。UTF-8的一个巧妙之处是,第一块中最重要的数对应序列的长度,因此很容易识别出第一块。序列的长度很有用,因为它允许程序很容易找到字符边界。ASCII字符都是7位的,所以每一个字符只需要一个大块,这对说英语的人来说很方便,因为
参考来源
- 位置:《计算机系统解密》1.10 表示文本(来源项目book-sources,源文件:extracted/计算机系统解密/_epub-src/text/part0018.html)
- 结论依据:图1-16逐位展示A、π和♣,内嵌花色符号图亦已看;1—4字节及范围限制按RFC3629核对,不将玩具图示当完整验证器。
- 原始内容:UTF-8将字符编码为一个8位块序列,通常称为八位字节。UTF-8的一个巧妙之处是,第一块中最重要的数对应序列的长度,因此很容易识别出第一块。序列的长度很有用,因为它允许程序很容易找到字符边界。ASCII字符都是7位的,所以每一个字符只需要一个大块,这对说英语的人来说很方便,因为