UTF-8 編碼字符理論上可以最多到 6個字節長，但目前全世界的所
有文字和符號種類加起來也只要編到 4個字節長就夠了。
UTF-8 是以 8位（即 1個字節）爲單元對原始碼進行編碼（注意一
點：這裏所講的原始碼都是指Unicode碼），並規定：多字節碼（2個字
節以上才稱爲多字節）以轉換後第1個字節起頭的連續“1”的數目（這
些連續“1”稱爲標記位），表示轉換成幾個字節：“110”連續兩個
“1”，表示轉換結果爲2個字節，“1110”表示3個字節，而“11110”
則表示4個字節……跟隨在標記位之後的“0”，其作用是分隔標記位和
字符碼位。第2～第4個字節的起頭兩個位固定設置爲“10”，也作爲標
記，剩下的6個位才做爲字符碼位使用。
這樣，2字節UTF-8碼剩下11個字符碼位，可用以轉換0080～07FF的
原始字符碼，3字節剩下16個字符碼位，可用以轉換0800～FFFF的原始字
符碼，由此類推。編碼方式的模板如下：
原始碼（16進制） UTF－8編碼（二進制）
--------------------------------------------
0000 - 007F 0xxxxxxx
0080 - 07FF 110xxxxx 10xxxxxx
0800 - FFFF 1110xxxx 10xxxxxx 10xxxxxx
……
--------------------------------------------
模板中的“x”表示字符碼。
Ascii碼＜007F，編爲1個
字節的UTF－8碼。漢字的 Unicode編碼範圍爲0800－FFFF，所以被編爲
3個字節的UTF－8碼。
例如“漢”字的Unicode編碼是6C49，6C49在0800-FFFF之間，所以
要用3個字節的模板：1110wwww 10xxxxyy 10yyzzzz。
6 C 4 9
0110 1100 0100 1001
wwww xxxx yyyy zzzz
wwww xxxxyy yyzzzz
1110wwww 10xxxxyy 10yyzzzz。
11100110 10110001 10001001
E 6 B 1 8 9
“漢”字的UTF-8編碼是E6 B1 89