文件大小采用UTF-8编码？

Question

我创建了一个UTF-8编码的文件，但我不了解磁盘占用大小的规则。这是我的完整研究：

1. 首先，我创建了一个印地语字母＆＃39;क＆＃39;并且Windows 7上的文件大小为
   8个字节。

2. 现在有两个字母＆＃39;कक＆＃39;文件大小为11个字节。

3. 现在有三个字母＆＃39;ककक＆＃39;文件大小为14个字节。

有人可以解释一下为什么显示这样的尺寸吗？

Answer 1

前三个字节用于BOM (Byte Order Mark) EF BB BF。

然后，字节E0 A4 95编码字母क。

然后字节0D 0A编码一个回车符。

总计：8个字节。对于您添加的每个字母，您需要三个字节。

Answer 2

在基于 linux 的系统上，您可以使用 hexdump 获取 hexadecimal 转储（Tim 在他的回答中使用）并了解一个字符分配了多少字节。

echo -n a | hexdump -C echo -n क | hexdump -C

这是上面两个命令的输出。