请定义术语“多字节安全”

Question

我现在有点迷失UTF-8 我正在寻找术语多字节安全的精确定义。

Answer 1

当你处理unicode字符时，假设所有字符只占用一个字节或char（java）是不安全的。因此，在阅读或解析字符串时，您需要考虑这一点。

这是一个excellent article，它解释了处理Unicode w.r.t Java时的复杂性。

  

  

1. 存储的字符可能占用不一致的字节数。一个UTF-8   编码字符可能介于   一个（LATIN_CAPITAL_LETTER_A）和四个   （MATHEMATICAL_FRAKTUR_CAPITAL_G）   字节。可变宽度编码具有   对阅读和阅读的影响   从字节数组解码。

  

2. 并非所有代码点都可以存储在char中。该   MATHEMATICAL_FRAKTUR_CAPITAL_G示例   在于补充范围   字符并不能存储在16   位。它必须用两个代表   顺序char值，两者都没有   这本身就很有意义。该   Character类提供方法   使用32位代码点。

  

    // Unicode code point to char array
     char[] math_fraktur_cap_g = Character.toChars(0x1D50A);