JVM修改的UTF-8中v的格式

Question

在JVM规范的invoice item中，它为＆＃34;两倍三字节格式＆＃34;表示格式v：

  

这意味着补充字符由六个字节u，v，w，x，y和z

表示      

表4.14。 v：1010（位20-16）-1

由于v是8位，这意味着(bits 20-16)-1必须是4位。 -1如何将bits 20-26从5位缩小到4位？

（补充问题：有没有理由说＆＃34;两次三字节＆＃34;而不是＆＃34;六字节＆＃34;？）

Answer 1

Unicode code points的范围从U+0000到U+10FFFF。

大于U+FFFF的值称为补充代码点。它们的二进制表示为uuuuuxxxxxxxxxxxxxxxx（21位），uuuuu位于00001和10000之间。

在UTF-16中，补充代码点由surrogate pairs编码，如3.9 Unicode Encoding Forms, D91中所述。也就是说，uuuuuxxxxxxxxxxxxxxxx由两个16位字符表示：
110110wwwwxxxxxx 110111xxxxxxxxxx，其中wwww = uuuuu - 1。

00001 ≤ uuuuu ≤ 10000，0000 ≤ wwww ≤ 1111

现在，修改后的UTF-8将补充代码点编码为两个字符：高代理和低代理。这些代理字符中的每一个都由UTF-8中的3个字节表示。因此'两次三'数字。