根据我的理解和我在网上阅读的内容，UTF-8 可以使用 1-4 个代码单元（每个长度为一个字节）来编码 Unicode 字符集中的所有字符。我想知道的是：既然 Unicode 中的所有代码点都可以用 21 位表示，那么你什么时候会使用 4 个代码单元而不是 3 个？
您只需要 24 位来表示任何 Unicode 字符，那么您什么时候会在 UTF-8 编码中使用 32 位，为什么？是否需要额外的位来存储某种额外的数据？
【问题讨论】：
UTF-8 编码有开销。第一个字节使用 1-5 位来表示使用了多少附加字节，每个附加字节使用 2 位作为连续字节标记。因此，一个 4 字节的 UTF-8 序列的第一个字节需要 5 位开销，其余 3 个字节每个字节需要 2 位开销，剩下 21 位用于编码代码点。
1 字节 UTF-8，7 个数据位（U+0000 到 U+007F）：0xxxxxxx
2 字节 UTF-8，11 个数据位（U+0080 到 U+07FF）：110xxxxx 10xxxxxx
3 字节 UTF-8，16 个数据位（U+0800 到 U+FFFF）：1110xxxx 10xxxxxx 10xxxxxx
4 字节 UTF-8，21 个数据位（U+10000 到 U+10FFFF）：11110xxx 10xxxxxx 10xxxxxx 10xxxxxx
参考：UTF-8
【讨论】：