我一直在阅读关于unicode编码的一堆阅读，特别是关于Python的。我觉得我现在对它有很强的理解，但还有一个小细节，我有点不确定。
解码如何知道字节边界？例如，假设我有一个带有两个unicode字符的unicode字符串，字节表示分别为\xc6\xb4和\xe2\x98\x82。然后我将此unicode字符串写入文件，因此该文件现在包含字节
\xc6\xb4\xe2\x98\x82。现在我决定打开并读取文件（并且Python默认将文件解码为utf-8），这引出了我的主要问题。
解码如何解释字节\xc6\xb4而不是\xc6\xb4\xe2？
答案 0 :(得分：5)
可以根据位模式轻松确定字节边界。在您的情况下，\xc6以1100位开头，\xe2以1110开头。在UTF-8中（我非常确定这不是偶然事件），您可以通过仅查看第一个字节并在开始时计算1位的数量来确定整个字符中的字节数在第一个0之前。所以你的第一个字符有2个字节，第二个字符有3个字节。
如果一个字节以0开头，则它是一个常规的ASCII字符。
如果一个字节以10开头，则它是UTF-8序列的一部分（不是第一个字符）。