我意识到这是非常基本的，因为我正在阅读维基百科中的Unicode以及它指向的任何地方。但是这个＆＃34; U + 0000＆＃34;语义没有完全解释。在我看来，＆＃34; U＆＃34;总是等于0。
为什么是＆＃34; U +＆＃34;部分符号？究竟是什么意思？ （它似乎是一些基础值，但我无法理解它何时或为何不是非零。）
另外，如果我从其他来源收到一串文字，我怎么知道该字符串是编码为UTF-8还是UTF-16或UTF-32？有什么方法可以通过上下文自动确定？
答案 0 :(得分：3)
来自维基百科，文章Unicode，第Architecture and Terminology部分：
Unicode定义了1,114,112个代码点的代码空间，范围为0到10FFFF（十六进制）。通常，通过写入“U +”后跟其十六进制数来引用Unicode代码点。对于基本多语言平面（BMP）中的代码点，使用四个数字（例如，字符LATIN CAPITAL LETTER X的U + 0058）;对于BMP之外的代码点，使用五位或六位数。
引入了这个约定，以便读者理解代码点特别是 Unicode 代码点。例如，字母ă（LATIN SMALL LETTER A WITH BREVE）是U + 0103;在Code Page 852中它有代码0xC7，在代码页1250中它有代码0xE3，但是当我写U + 0103时，每个人都明白我的意思是Unicode代码点，他们可以查找它。
对于使用拉丁字母编写的语言，UTF-16和UTF-32字符串很可能包含许多字节，其值为0，不应出现在UTF-8编码字符串中。通过查看哪个字节为零，即使没有Byte Order Mark，也可以推断出UTF-16和UTF-32字符串的字节顺序。
例如，如果你得到字节
0xC3 0x89 0x70 0xC3 0xA9 0x65
这很可能是UTF-8编码中的Épée。在little-endian UTF-16中，这将是
0x00 0xC9 0x00 0x70 0x00 0xE9 0x00 0x65
（注意每个偶数字节是如何为零。）