单个 UTF-8 编码字符的最大字节数是多少？
我将加密以 UTF-8 编码的字符串的字节，因此需要能够计算出 UTF-8 编码的字符串的最大字节数。
有人可以确认单个 UTF-8 编码字符的最大字节数
【问题讨论】：
标签： utf-8 character-encoding byte character
根据RFC3629，每个字符的最大字节数为4，这将字符表限制为U+10FFFF：
在 UTF-8 中，U+0000..U+10FFFF 范围内的字符（UTF-16 可访问范围）使用 1 到 4 个八位字节的序列进行编码。
（原始规范允许超过U+10FFFF 的代码点最多使用六字节字符代码。）
代码小于 128 的字符只需要 1 个字节，接下来的 1920 个字符代码只需要 2 个字节。除非您使用深奥的语言，否则将字符数乘以 4 将是一个严重的高估。
【讨论】：
11111111 的前导字节和2^(6*7) 位空间用于字符？
如果没有进一步的上下文，我会说 UTF-8 中字符的最大字节数是
答案：6 个字节
接受答案的作者正确地指出这是“原始规范”。这通过 RFC-2279 1 有效。正如 J. Cocoe 在下面的 cmets 中指出的那样，这在 2003 年通过 RFC-3629 2 发生了变化，它将 UTF-8 限制为 21 位编码，这可以通过使用四个字节的编码方案来处理。
如果覆盖所有 unicode 则回答：4 个字节
但是，在Java <= v7 中，他们谈到了用 UTF-8 表示 unicode 的最大 3 字节？这是因为原始的 unicode 规范只定义了基本的多语言平面 (BMP)，即它是 unicode 的旧版本，或现代 unicode 的子集。所以
如果只表示原始 unicode，则回答 BMP：3 个字节
但是，OP 谈到了另一种方式。不是从字符到 UTF-8 字节，而是从 UTF-8 字节到字节表示的“字符串”。也许接受答案的作者从问题的上下文中得到了这一点，但这并不一定很明显，因此可能会使这个问题的普通读者感到困惑。
从 UTF-8 到原生编码，我们必须看看“字符串”是如何实现的。某些语言，例如 Python >= 3 将用整数代码点表示每个字符，这允许每个字符 4 个字节 = 32 位来覆盖 unicode 所需的 21 个字节，这会造成一些浪费。为什么不完全是 21 位？因为当它们是字节对齐时，事情会更快。一些语言，如 Python Java 使用 UTF-16 编码表示字符，这意味着它们必须使用代理对来表示扩展的 unicode（而不是 BMP）。无论哪种方式，最大仍然是 4 个字节。
如果采用 UTF-8 则回答 -> 本机编码：4 个字节
所以，最后的结论是，4 是最常见的正确答案，所以我们做对了。但是，里程可能会有所不同。
【讨论】：
1F FF FF 或 21 位表示。 0x110000 数字对应于每个 0x10000 个代码点的17 planes。
支持 US-ASCII（一种标准英文字母编码）的最大字节数为 1。但随着时间的推移，将文本限制为英文变得越来越不理想或不实用。
Unicode 旨在表示所有人类语言的字形以及多种符号，具有多种呈现特性。 UTF-8 是 Unicode 的一种有效编码，尽管仍然偏向于英语。 UTF-8 是自同步的：通过在任一方向扫描明确定义的位模式，可以轻松识别字符边界。
虽然每个 UTF-8 字符的最大字节数为 3，仅支持平面 0 的 2 字节地址空间，即基本多语言平面 (BMP)，在某些应用程序中可以接受为最小支持，但它是4 支持所有 17 个当前 Unicode 平面（截至 2019 年）。需要注意的是，很多流行的“emoji”字符很可能位于Plane 16，需要4个字节。
但是，这仅适用于基本字符字形。还有各种修饰符，例如使重音出现在前一个字符上，也可以将任意数量的代码点链接在一起以构造一个复杂的“字素”。因此，在现实世界的编程中，使用或假设每个字符的最大字节数是固定的，最终可能会给您的应用程序带来问题。
这些考虑意味着 UTF-8 字符串不应该在处理之前“扩展”为固定长度的数组，就像有时所做的那样。相反，应该直接使用专为 UTF-8 设计的字符串函数进行编程。
【讨论】：