UTF8 是一种兼容 ASCII 编码的变长编码。
| Bytes count | Bits | Range | Bytes |
|---|---|---|---|
| 1 | 7 | U+0000 - U+007F | 0xxxxxxx |
| 2 | 11 | U+0080 - U+07FF | 110xxxxx 10xxxxxx |
| 3 | 16 | U+0800 - U+FFFF | 1110xxxx 10xxxxxx 10xxxxxx |
| 4 | 21 | U+10000 - U+10FFFF | 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx |
转换成十进制，即： 字节 0xxxxxxx 范围是：0 - 127 字节 10xxxxxx 范围是：128 - 191 字节 110xxxxx 范围是：192 - 223 字节 1110xxxx 范围是：224 - 239 字节 11110xxx 范围是：240 - 247
| Character | Octal | Binary code point | Binary UTF-8 |
|---|---|---|---|
| $ U+0024 | 044 | 010 0100 | 0-0100100 |
| ¢ U+00A2 | 0242 | 000 10-10 0010 | 110-00010 10-100010 |
| € U+20AC | 020254 | 0010 -0000 10-10 1100 | 1110-0010 10-000010 10-101100 |
| 𐍈 U+10348 | 0201510 | 0 00-01 0000 -0011 01-00 1000 | 11110-000 10-010000 10-001101 10-001000 |
即将 Unicode codepoint 转换为符合 UTF8 编码的字节。
已知一个字符的Unicode Codepoint是 n，求其UTF8储存的字节。
fn encode(codepoint: u32) -> Vec<u8>二进制转换基本表格：
| 字节类型 | 编码 |
|---|---|
| 10xxxxxx | 2^7 + ... = 128 + n (n >= 0 && n <= 63) |
| 110xxxxx | 2^7 + 2^6 + ... = 192 + n (n >= 0 && n <= 31) |
| 1110xxxx | 2^7 + 2^6 + 2^5 + ... = 224 + n (n >= 0 && n <= 15) |
| 11110xxx | 2^7 + 2^6 + 2^5 + 2^4 + ... = 240 + n (n >= 0 && n <= 7) |
具体的算法参照源代码：encode.ts 或 encode.cpp。
已知一序列的UTF8二进制码，将其解码为Unicode codepoint。
fn decode(stream: Vec<u8>) -> Vec<u32>具体算法参照源代码：decode.cpp
对于长度为 N 的UTF8字符串，查找到第n个字符，其时间复杂度为 O(n)。
由于UTF8是变长编码，所以索引字符不是数组索引的时间复杂度 O(1)，而是和解码的时间复杂度相等同。
（Mozilla的Rust就因为这个问题，在 charAt类 方法上龃龉不前，时有反覆。）