utf-8用1–4字节变长编码unicode码点，字节数由码点范围决定：u+0000–u+007f（如'a'）占1字节（0xxxxxxx），u+0080–u+07ff（如'é'）占2字节（110xxxxx 10xxxxxx），u+0800–u+ffff（如'你'）占3字节（1110xxxx 10xxxxxx 10xxxxxx），u+10000–u+10ffff（如'?'）占4字节（11110xxx 10xxxxxx 10xxxxxx 10xxxxxx），设计兼顾ascii兼容性与自同步性。
UTF-8 的变长规则怎么讲才准确
面试时讲 UTF-8，重点不是背定义，而是说清“为什么变长”和“怎么变”。一句话概括：UTF-8 用 1–4 个字节表示一个 Unicode 码点，字节数由码点大小决定，且每个字节的高位模式可唯一识别其在序列中的位置。
分情况说明字节结构（必须带例子）
直接按码点范围拆解，配合典型字符举例：
-
ASCII 字符（U+0000–U+007F）：1 字节
首位为 0，后 7 位即 ASCII 值。例如 'A'（U+0041）→
01000001 -
拉丁扩展/西里尔/希腊字母（U+0080–U+07FF）：2 字节
首字节以
110开头，次字节以10开头。例如 'é'（U+00E9）→11000011 10101001 -
常用汉字（U+0800–U+FFFF）：3 字节
首字节以
1110开头，后两字节均以10开头。例如 '你'（U+4F60）→11100100 10111101 10100000 -
Emoji 和生僻字（U+10000–U+10FFFF）：4 字节
首字节以
11110开头，后三字节均以10开头。例如 '?'（U+1F680）→11110000 10011111 10011010 10000000
强调两个关键设计意图
这能体现你理解背后的工程权衡：
- 向前兼容 ASCII：所有 ASCII 字符在 UTF-8 下仍是单字节、高位为 0，旧系统处理纯英文文本完全无感知
-
自同步性（self-synchronizing）：任意字节流中，只要看到
0xxxxxxx就知是独立字符；看到11xxxxxx就知是多字节起始；看到10xxxxxx就知是续字节。即使从中间截断，也能快速定位下一个合法字符起点
顺带点破常见误区
避免被追问住：
- “UTF-8 中文一定占 3 字节？” → 不对。U+0800 以下的中文标点或扩展 A 区部分汉字（如‘〇’U+3007）是 2 字节；U+10000 以上的汉字（如‘?’U+20BB7）是 4 字节
- “Java 的 char 是 UTF-8 吗？” → 不是。Java 内部用 UTF-16 表示 String，char 是 16 位代码单元；UTF-8 只出现在 I/O 编码转换环节（如
String.getBytes(StandardCharsets.UTF_8)）
Java免费学习笔记：立即使用
解锁 Java 大师之旅：从入门到精通的终极指南
