爲什麼UTF-8中的字符編碼爲0xC3 0xA9？

Question

如果我將字符é寫入文件，並用十六進制編輯器打開它，我可以看到字節0xC3,0xA9。

來自維基百科，第一個字節叫做前導字節，第二個叫尾隨字節。 0xC3它是一個元數據字節，表示它用1個字節0xA9編碼的字符，但é的unicode值爲0xE9。

我基本上想知道爲什麼é它是用0xA9而不是0xE9編碼的。文本編輯器如何從0xC3A9轉換爲0xE9？任何換班操作？

Answer 1

是什麼讓你認爲0xC3是「元數據字節」？

每個使用UTF-8的字節都包含有關編碼代碼點的相關信息。

一個UTF-8編碼的碼點的第一個字節中含有一個標記（領先的1的數）表示的字節用來碼點編碼^（*）和前幾個實際的比特的總數碼點。所有尾隨字節包含一個「連續標記」（比特10）和6個更多的編碼碼位。

關於UTF-8的維基百科文章有a pretty good description of the process。

有直接使用的碼點值的編碼：UTF-32（又名UCS-4），它基本上是「使用碼點值作爲32位值」

^（*）標記實際上是非常容易：如果字節開頭（即它的最高有效位是）0，那麼它是一個單字節編碼（即0到127之間的一個編碼點）。如果它以10開頭，那麼它是一個連續字節。如果是110,1110或11110那麼它分別是2,3或4字節序列的開始。 111110和1111110也被用於定義，但在現代UTF-8中不再有效（因爲這些僅用於編碼在Unicode標準中永遠不會使用的值）。