鉴于UTF-8编码的Unicode字符串，该字符串是在存储器中只是字节。
如果计算机想这些字节转换到其对应的Unicode代码点（数字），怎么能知道一个字符结束和另一个开始？ 一些字符是由1个字节，最多6个字节表示，等等。 所以，如果你有
00111101 10111001
这可能代表2个字符，或1如何计算机确定它是正确解读呢？ 是否有某种约定，从中我们可以从当前字符多少字节使用的第一个字节或什么认识？
Answer 1:
多字节序列的第一个字节编码在前导1比特的数目的序列的长度：
-
0xxxxxxx是自己的一种性格; -
10xxxxxx是一个多字节字符的延续; -
110xxxxx是2字节字符的第一个字节; -
1110xxxx是一个3字节字符的第一个字节; -
11110xxx是一个4字节字符的第一个字节。
具有多于4前导1位字节不以UTF-8编码的有效字符，因为4个字节的序列已经覆盖比为U + 10FFFF的整个Unicode范围从U + 0000以上。
所以，在这个问题提出的示例中有一个ASCII字符和一个延续字节不编码自身的字符。
文章来源: When converting a utf-8 encoded string from bytes to characters, how does the computer know where a character ends?
