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。
来自维基百科，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，表示它用1字节0xA9编码的字符，但é的unicode值是0xE9。
我基本上想知道为什么é用0xA9而不是0xE9编码。文本编辑器如何从0xC3A9转换为0xE9？任何轮班操作？
答案 0 :(得分：12)
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编码的代码点的相关信息。
UTF-8编码的代码点的第一个字节包含一个标记（前导1的数量），表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，所有尾随字节都包含一个“连续标记”（位10）和另外6位编码的代码点。
关于UTF-8的维基百科文章有a pretty good description of the process。
有一个直接使用代码点值的编码：UTF-32（a.k.a UCS-4）基本上“将代码点值用作32位值”
（*）标记实际上非常简单：如果字节以（即最高位为）0开头，则它是单字节编码（即代码点）在0到127之间）。如果它以10开头，则它是一个连续字节。如果它是110，1110或11110，那么它分别是2字节，3字节或4字节序列的开头。 111110和1111110也曾被定义，但在现代UTF-8中不再有效（因为只需要对那些保证永远不会在Unicode标准中使用的值进行编码）。