为什么 HTML 将 2 字节和 3 字节字符视为相同，而不是 4 字节？答案

【问题标题】：Why does HTML treat 2 and 3-byte characters the same, but not 4-byte?为什么 HTML 将 2 字节和 3 字节字符视为相同，而不是 4 字节？
【发布时间】：2020-02-24 16:59:32
【问题描述】：

我正在为网站做一些 GUI 工作，并对一些文本输入使用“maxlength”属性，其中一些可能包含 Unicode 字符。

假设我有一个 maxlength = 50 的文本字段，我用 2 字节 Unicode 字符 (UTF-16) 填充它。我可以在文本字段中获取 50 个字符。

我也可以对 3 字节字符执行相同的操作。其中 50 个。

但是，我只能在该字段中获取 25 个 4 字节字符。按理说，因为它的字节数是原来的两倍，但是为什么在使用 3 字节字符时它仍然可以正常响应？多余的字节如何处理？

【问题讨论】：

标签： html unicode byte maxlength

【解决方案1】：

Unicode 字符通常可以编码为 UTF-8、UTF-16 或 UTF-32 (see their faq)。您对 2、3 和 4 字节字符的使用表明您是从 UTF-8 角度工作的。

但是，maxlength 属性是defined as the maximum number of UTF-16 code units，而不是字节数。每个 UTF-16 代码单元是两个字节。

一个 2 字节的 UTF-8 字符将是一个 UTF-16 代码单元。一个 3 字节的 UTF-8 字符也将是一个 UTF-16 代码单元。但是，一个 4 字节的 UTF-8 字符表示大于 0xFFFF 的 Unicode 字符。 UTF-16 将其表示为两个代码单元（称为代理对，请参见上面链接的常见问题解答）。

【讨论】：

干杯，我很难理解代码点。我知道的代理对，但 3 字节让我绊倒了。