unicode 字符 u+80 - u+BF 有效吗？ [关闭]

Question

来自Code Point Table

Code point <-> UTF-8 conversion First code point    Last code point     Byte 1  Byte 2  Byte 3  Byte 4
U+0000  U+007F  0xxxxxxx    
U+0080  U+07FF  110xxxxx    10xxxxxx    
U+0800  U+FFFF  1110xxxx    10xxxxxx    10xxxxxx    
U+10000     [nb 2]U+10FFFF  11110xxx    10xxxxxx    10xxxxxx    10xxxxxx

表格不清楚，因为u+80二进制是10000000b，这将是无效的（不以110b开头）。我会认为它会是 0xc280？

我的印象是 u+80 - u+bf 都是无效的起始序列。但是，unicode 表声明它们是为一字节控制字符保留的有效代码点。

有人可以帮我澄清一下吗？

Answer 1

您将 Unicode 代码点与它们在 UTF-8 中的表示混淆了。

Unicode 代码点 U+0080 在 UTF-8 中由一个两字节序列表示，二进制 11000010 10000000，十六进制 C2 80。

（请注意，我们不会为 UTF-8 的单个字节写 U+xx）。

这是什么

U+0080  U+07FF  110xxxxx    10xxxxxx  

告诉你的是，对于 0080 到 07FF 范围内的代码点，11 个有效位分布在等效 UTF-8 值的两个字节中的 11 个“x”位上。