Unicode字符长度（以字节为单位） - 始终相同？

Question

我将unicode字符定义为字节数组：

private static final byte[] UNICODE_MEXT_LINE = Charsets.UTF_8.encode("\u0085").array();

目前字节数组长度为3，是否可以安全地假设数组的长度在平台上始终为3？

谢谢

Answer 1

可以安全地假设特定的字符总是三个字节长，无论平台如何。

但是UTF-8中的unicode字符可以是一个字节，两个字节，三个字节甚至四个字节长，所以不，你不能假设如果你将任何字符转换为UTF-8那么它就是＆＃39 ; ll以三个字节出现。

Answer 2

该特定字符的长度始终为3个字节，但其他字符将不同。 Unicode字符长度为1-4个字节。 'UTF-8'中的8表示它使用8位代码单位。

Wikipedia page on UTF-8提供了很好的概述。基本上，第一个字节的前几位会告诉您字符长度的字节数。例如，如果第一个字节的第一个位是0中的01111111，那么这意味着该字符只有一个字节长（在utf-8中，这些是ascii字符）。如果110中的第一位是11011111，那么它会告诉您该字符长度为两个字节。维基百科页面中的图表很好地说明了这一点。

还有this question，它也有一些很好的答案。