据我所知，UTF-8是ascii的超集，因此包含了不用于表示可打印字符的控制字符。
我的问题是： UTF-8编码没有使用任何字节（256种不同）吗？
我想知道你是否可以将 UTF-8文本转换/编码为二进制文件。
这是我的过程：
我不知道utf-8文本编码是如何工作的，以及它如何使用这么多字符（只是它为不在ascii中的字符使用多个字节（latin-1 ??））但是我知道ascii文本是在utf-8中有效，因此utf-8编码不会使用control characters (bytes 0-30)，但它们同时不用于显示字符，对吧？
所以256个不同的字节仅使用~230。对于1000（二进制）长的unicode文本，只有1000 ^ 230个不同的文本？对了
如果确实如此，您可以将转换为小于1000字节的二进制数据。
Wolfram alpha ：1000 bytes of unicode (assumption unicode only uses 230 of the 256 different bytes) --> 496 bytes
答案 0 :(得分：2)
0xF8-0xFF在UTF-8的任何地方都无效，其他一些字节在某些位置无效。
字符的前导字节表示用于对字符进行编码的字节数，每个连续字节都有10作为其两个高位。这样您就可以选择文本中的任何字节并找到包含它的字符的开头。如果你不介意失去这种能力，你当然可以提出更有效的编码。
答案 1 :(得分：2)
您必须区分字符， Unicode 和 UTF-8编码：
在ASCII，LATIN-1等编码中，一个字符与0到255之间的一个数字存在一对一的关系，因此一个字符可以由一个字节编码（例如＆＃34; A＆＃34; - > 65）。要解码这样的文本，你需要知道使用了哪种编码（65真的意思是＆＃34; A＆＃34;？）。
为了克服这种情况， Unicode 为每个字符（包括各种特殊内容，如控制字符，变音符号等）分配一个0到0范围内的唯一编号。到0x10FFFF（所谓的 Unicode codepoint ）。由于此范围不适合一个字节，因此问题是如何编码。有几种方法可以做到这一点，例如最简单的方法总是为每个字符使用4个字节。由于这会消耗大量空间，因此更有效的编码是UTF-8：此处每个 Unicode代码点（= Character ）都编码为一，二，三或四bytes（对于此编码，并非使用0到255之间的所有字节值，但这只是技术细节。）
答案 2 :(得分：1)
是的，可以设计比UTF-8更节省空间的编码，但你必须权衡优势和劣势。
例如，如果您的主要目标是（例如）ISO-8859-1，您可以将字符代码0xA0-0xFF映射到它们自己，并且仅使用0x80-0x9F来选择扩展地图，有点模糊地像UTF-8使用（几乎）所有0x80-0xFF编码可以代表所有Unicode的序列＆gt; 0x80的。当大部分文本不使用0x80-0x9F或0x0100-0x1EFFFFFFFF范围内的字符时，您将获得显着优势，但如果不是这样，则会相应丢失。
或者您可以要求用户保留一个状态变量，该变量告诉您当前选择了哪个字符范围，并使流中的每个字节充当该范围的索引。这有很大的缺点，但过去常常是这样做的（见证如ISO-2022）。
Ken Thompson和Rob Pike之前的原始UTF-8草案可能比最终规范更节省空间，但他们引入的变化具有一些非常有吸引力的属性，交易（我假设）一些空间效率缺乏语境歧义。
我建议您阅读Wikipedia article about UTF-8以了解设计需求 - 只需几分钟即可掌握规范，尽管您可能需要预留一小时或更长时间才能遵循脚注等（汤普森的轶事目前是脚注＃7。）
总而言之，除非您正在从事太空旅行或类似效率密集型应用，否则失去UTF-8兼容性可能不值得您花费时间，现在就应该停止。