UTF-8編碼規則

UTF-8是一種變長字節編碼方式。對於某一個字符的UTF-8編碼，如果只有一個字節則其最高二進制位爲0；如果是多字節，其第一個字節從最高位開始，連續的二進制位值爲1的個數決定了其編碼的位數，其餘各字節均以10開頭。UTF-8最多可用到6個字節。 
如表： 
1字節 0xxxxxxx 
2字節 110xxxxx 10xxxxxx 
3字節 1110xxxx 10xxxxxx 10xxxxxx 
4字節 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5字節 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6字節 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
因此UTF-8中可以用來表示字符編碼的實際位數最多有31位，即上表中x所表示的位。除去那些控制位（每字節開頭的10等），這些x表示的位與UNICODE編碼是一一對應的，位高低順序也相同。 
實際將UNICODE轉換爲UTF-8編碼時應先去除高位0，然後根據所剩編碼的位數決定所需最小的UTF-8編碼位數。 
因此那些基本ASCII字符集中的字符（UNICODE兼容ASCII）只需要一個字節的UTF-8編碼（7個二進制位）便可以表示。 

對於上面的問題，代碼中給出的兩個字節是 
十六進制：C0 B1 
二進制：11000000 10110001 
對比兩個字節編碼的表示方式： 
110xxxxx 10xxxxxx 
提取出對應的UNICODE編碼： 
00000 110001 
可以看出此編碼並非“標準”的UTF-8編碼，因爲其第一個字節的“有效編碼”全爲0，去除高位0後的編碼僅有6位。由前面所述，此字符僅用一個字節的UTF-8編碼表示就夠了。 
JAVA在把字符還原爲UTF-8編碼時，是按照“標準”的方式處理的，因此我們得到的是僅有1個字節的編碼。 

大家可以試試運行這段代碼： 
public class TestUTF8 { 
public static void main(String[] args) throws Exception { 
byte[][] bytes = { 
// 00110001 
{(byte)0x31}, 
// 11000000 10110001 
{(byte)0xC0,(byte)0xB1}, 
// 11100000 10000000 10110001 
{(byte)0xE0,(byte)0x80,(byte)0xB1}, 
// 11110000 10000000 10000000 10110001 
{(byte)0xF0,(byte)0x80,(byte)0x80,(byte)0xB1}, 
// 11111000 10000000 10000000 10000000 10110001 
{(byte)0xF8,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0xB1}, 
// 11111100 10000000 10000000 10000000 10000000 10110001 
{(byte)0xFC,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0xB1}, 
}; 
for (int i = 0; i < 6; i++) { 
String str = new String(bytes[i], "UTF-8"); 
System.out.println("原數組長度：" + bytes[i].length + 
"/t轉換爲字符串：" + str + 
"/t轉回後數組長度：" + str.getBytes("UTF-8").length); 
} 
} 
} 
運行結果爲： 
原數組長度：1 轉換爲字符串：1 轉回後數組長度：1 
原數組長度：2 轉換爲字符串：1 轉回後數組長度：1 
原數組長度：3 轉換爲字符串：1 轉回後數組長度：1 
原數組長度：4 轉換爲字符串：1 轉回後數組長度：1 
原數組長度：5 轉換爲字符串：1 轉回後數組長度：1 
原數組長度：6 轉換爲字符串：1 轉回後數組長度：1