问UTF-8编码字符的最大字节数是多少？

EN

如果没有进一步的上下文，我会说UTF-8中一个字符的最大字节数是

答案:6个字节

被接受的答案的作者正确地指出了这是“原始规范”。这通过RFC-2279 1是有效的。正如J.Cocoe在下面的评论中指出的那样，这种情况在2003年的RFC3629UTF-8中发生了变化，它将2 -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字节

但是，在Java <= v7中，他们谈到用UTF-8表示unicode时最多3个字节？这是因为最初的unicode规范只定义了基本的多语言平面(BMP )，即它是unicode的旧版本，或者是现代unicode的子集。所以

如果只表示原始unicode，则回答: BMP: 3字节

但是，操作员说要走另一条路。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”。也许公认答案的作者从问题的上下文中得到了这一点，但这不一定是显而易见的，因此可能会使这个问题的普通读者感到困惑。

从UTF-8到本机编码，我们必须看看“字符串”是如何实现的。一些语言，如PythonUnicode3，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，以涵盖我们的>=所需的21个字节，但有一些浪费。为什么不是21位呢？因为当它们是字节对齐的时候速度会更快。一些语言，如PythonUnicode2和Java使用UTF16编码来表示字符，这意味着它们必须使用代理项对来表示扩展的<= (而不是Java)。无论哪种方式，这仍然是最大的4个字节。

如果采用UTF-8 ->原生编码，则回答:4字节

所以，最后的结论，4是最常见的正确答案，所以我们得到了正确的答案。但是，里程可能会有所不同。

支持标准英语字母表编码US-ASCII的最大字节数为1。但随着时间的推移，将文本限制为英语变得越来越不可取或不实用。

Unicode被设计为表示所有人类语言的字形，以及具有各种呈现特征的多种符号。UTF-8是Unicode的一种有效编码，尽管它仍然偏向于英语。UTF-8是自同步的:字符边界很容易通过扫描两个方向上定义良好的位模式来识别。

虽然每个UTF-8字符的最大字节数是3，用于仅支持平面0的2字节地址空间，基本多语言平面(BMP)，这在某些应用程序中可以被接受为最小支持，但它是4，用于支持Unicode的所有17个当前平面(截至2019年)。应该注意的是，许多流行的"emoji“字符可能位于需要4个字节的平面16中。

但是，这只适用于基本的字符字形。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，在实际编程中，使用或假设每个字符的最大字节数是固定的，最终可能会给应用程序带来问题。

这些注意事项意味着UTF-8字符串不应该像有时所做的那样在处理之前“扩展”到固定长度的数组中。相反，应该使用专门为UTF-8设计的字符串函数直接进行编程。