知识卡片

普通读书笔记卡 · 1285.g.3.c

UTF8按前缀组织字节

理解等级:中级

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?

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