如果我将字符 é 写入文件并使用十六进制编辑器打开它，我可以看到字节 0xC3、0xA9。
在维基百科中，第一个字节称为前导字节，第二个字节称为尾随字节。 0xC3 它是一个元数据字节，这意味着它用 1 个字节编码的字符 0xA9，但 é 的 unicode 值是 0xE9。
我基本上想知道为什么é 它被编码为 0xA9 而不是 0xE9。文本编辑器如何从 0xC3A9 转换为 0xE9？有移位操作吗？
【问题讨论】：
是什么让你认为 0xC3 是“元数据字节”？
UTF-8 中的每个字节都包含有关已编码代码点的相关信息。
UTF-8 编码代码点的第一个字节包含一个标记（前导 1 的数量），指示用于编码代码点的总字节数(*)和 实际代码点的前几位。然后所有尾随字节包含一个“继续标记”（位 10）和编码代码点的另外 6 个位。
关于 UTF-8 的 Wikipedia 文章有 a pretty good description of the process。
有一种直接使用代码点值的编码：UTF-32 (a.k.a UCS-4)，基本上是“将代码点值用作 32 位值”
(*) 标记实际上非常简单：如果字节以0 开头（即最高有效位是）0，则它是单字节编码（即 0 之间的代码点和 127)。如果它以10 开头，那么它是一个延续字节。如果它是 110、1110 或 11110，那么它分别是 2、3 或 4 字节序列的开始。 111110 和 1111110 也曾经被定义过，但在现代 UTF-8 中不再有效（因为它们只需要对保证在 Unicode 标准中永远不会使用的值进行编码）。
【讨论】：
é。