UTF-8编码字符的最大字节数是多少？

Question

一个UTF-8编码字符的最大字节数是多少？我将加密以UTF-8编码的字符串的字节，因此需要能够计算出以UTF-8编码的字符串的最大字节数。有人可以确认单个UTF-8编码字符的最大字节数吗？

Answer 1

根据RFC3629，每个字符的最大字节数为4，该字符将字符表限制为U+10FFFF：

在UTF-8中，使用1到4个八位位组的序列对U + 0000..U + 10FFFF范围（UTF-16可访问范围）中的字符进行编码。

（原始规范允许对过去的代码点最多使用六个字节的字符代码U+10FFFF。）

代码少于128个字符的字符仅需要1个字节，接下来的1920个字符代码仅需要2个字节。除非您使用的是深奥的语言，否则将字符数乘以4将是一个明显的高估。

Answer 2

如果没有进一步的上下文，我想说的是，UTF-8中字符的最大字节数为

答案：6个字节

接受的答案的作者正确地指出这是“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，此情况在2003年通过RFC-3629 2进行了更改，RFC-3629 2将UTF-8的编码范围限制为21位，可以使用四个字节的编码方案进行处理。

如果覆盖所有unicode，则回答：4个字节

但是，在Java <= v7中，他们谈论使用UTF-8表示unicode的最大3字节吗？这是因为原始unicode规范仅定义了基本的多语言平面（BMP），即它是unicode的较旧版本，或者是现代unicode的子集。所以

如果仅代表原始unicode，则回答BMP：3个字节

但是，OP谈论的是另辟going径。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”。也许接受的答案的作者是从问题的上下文中得出的，但这不一定是显而易见的，因此可能使对此问题的普通读者感到困惑。

从UTF-8到本地编码，我们必须研究如何实现“字符串”。某些语言（例如Python> = 3）将使用整数代码点表示每个字符，这会导致每个字符4个字节= 32位，以覆盖我们需要的unicode所需要的21位，但有些浪费。为什么不完全是21位？因为字节对齐时事情会更快。诸如Python <= 2和Java之类的某些语言使用UTF-16编码表示字符，这意味着它们必须使用代理对来表示扩展的Unicode（不是BMP）。无论哪种方式，最大长度仍为4个字节。

如果要使用UTF-8，请回答->本机编码：4个字节

因此，最终结论4是最常见的正确答案，因此我们正确了。但是，里程可能会有所不同。

Answer 3

没有分配超过10FFFF（刚好超过一百万）限制的代码点，并且许多UTF8实现从未实现超过4个字节的序列（并且只有3个，例如MySQL），所以我认为将每个限制硬限制为4个字节是安全的即使考虑与较早实现的兼容性，也可以使用codepoint。您只需要确保在途中丢弃任何无效的东西即可。请注意，在可能的情况下，matiu建议在计算出精确的字节长度后进行分配。