java.nio.charset.Charset.forName ("utf8"). Decode декодирует последовательность байтов
ED A0 80 ED B0 80
в кодовую точку Unicode:
U+10000
java.nio.charset.Charset.forName ("utf8"). decode также декодирует последовательность байтов
F0 90 80 80
в кодовую точку Unicode:
U+10000
Это подтверждается кодом ниже .
Кажется, это говорит мне о том, что схема кодирования UTF-8 будет декодировать ED A0 80 ED B0 80
и F0 90 80 80
в одну и ту же кодовую точку Unicode.
Однако, если я перейду на https://www.google.com/search?query= % ED% A0% 80% ED% B0% 80 ,
, я смогу увидеть что он явно отличается от страницы https://www.google.com/search?query= % F0% 90% 80% 80
Поскольку поиск Google использует схему кодировки UTF-8 (поправьте меня, если я ошибаюсь),
Это говорит о том, что UTF-8 не декодирует ED A0 80 ED B0 80
и F0 90 80 80
в тот же код (а) Unicode.
В общем, мне было интересно, согласно официальному стандарту, должен ли UTF-8 декодировать ED A0 80 ED B0 80
байтовую последовательность в кодовую точку Unicode U + 10000?
Код :
public class Test {
public static void main(String args[]) {
java.nio.ByteBuffer bb = java.nio.ByteBuffer.wrap(new byte[] { (byte) 0xED, (byte) 0xA0, (byte) 0x80, (byte) 0xED, (byte) 0xB0, (byte) 0x80 });
java.nio.CharBuffer cb = java.nio.charset.Charset.forName("utf8").decode(bb);
for (int x = 0, xx = cb.limit(); x < xx; ++x) {
System.out.println(Integer.toHexString(cb.get(x)));
}
System.out.println();
bb = java.nio.ByteBuffer.wrap(new byte[] { (byte) 0xF0, (byte) 0x90, (byte) 0x80, (byte) 0x80 });
cb = java.nio.charset.Charset.forName("utf8").decode(bb);
for (int x = 0, xx = cb.limit(); x < xx; ++x) {
System.out.println(Integer.toHexString(cb.get(x)));
}
}
}