以字節爲單位的Unicode字符長度 - 總是一樣嗎？

Question

我定義了一個Unicode字符作爲一個字節數組：

private static final byte[] UNICODE_MEXT_LINE = Charsets.UTF_8.encode("\u0085").array(); 

目前字節數組長度爲3，是安全的假設數組的長度總是3跨平臺？

謝謝

Answer 1

該特定字符的長度總是3個字節，但其他字符會有所不同。 Unicode字符長度爲1-4字節。 'UTF-8'中的8只意味着它使用8位代碼單元。

該Wikipedia page on UTF-8提供了一個很好的概述如何工作。基本上，第一個字節的第一位告訴你該字符將有多長的字節長度。例如，如果第一個字節的第一位是0，如01111111，那麼這意味着這個字符只有一個字節長（在UTF-8中，這些是ASCII字符）。如果前中的第一位是110，則表示該字符長度爲兩個字節。維基百科頁面中的圖表提供了一個很好的例子。

還有this question，它也有一些很好的答案。

Answer 2

它是安全的假設，特定字符將始終爲三個字節長，與平臺無關。

但UTF-8中的Unicode字符可以是一個字節，兩個字節，三個字節或甚至四個字節長，所以不能，如果您將任何字符轉換爲UTF-8，那麼它會來輸出爲三個字節。