浅谈UTF-8编码

1. 下表为UTF-8编码规则表

2. 上述很重要的一个信息是下一个的first code point是接着上一个的last code point的，因此utf-8有一些看似合乎规则的编码也无法转化，譬如11000000 10000001，虽然符合双字节的规则，但其剩余的二进制表示的值小于128，所以无效【之前一直以为是移位规则之类的，会自动+128这样】

3. 这个常见的乱码符号是utf-8编码错误时产生的，对应的二进制数为11101111 10111111 10111101，共三个字节，每当utf-8编码错误时【不符合上表的规则】，每一个字节都会对应转化成三个字节的这个乱码符号，譬如执行

    byte[] bBytes = new byte[20];

    bBytes[0] = (byte) 0b11000000;

    bBytes[1] = (byte) 0b10000001;

    System.out.println(new String(bBytes, StandardCharsets.UTF_8));

会得到两个如下的乱码符号

也正因为如此，当你得到一串乱码字符时，可通过减去两倍乱码字符数来得到原字节数

4. utf-8，二进制在线转换