UTF8格式简介

UTF是unicode传输格式，有UTF8, UTF16, UTF32等。这里介绍UTF8。

UTF8分成单字节、双字节、三字节、四字节模式。具体如下：
0xxxxxxx 7bit 兼容ASCII码
110xxxxx 10xxxxxx 11bit
1110xxxx 10xxxxxx 10xxxxxx 16bit 汉字所在
11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 21bit

unicode最多有21位，0-10FFFF。

UTF8的首字节还有8个码位没有占用，即11111***，设想中有UTF8++编码，用于文本数据和二进制数据的混合表示：

这8个码位分成两组，分别表示1 2 4 8字节数据，或1 2 4 8字节长度加数据。如256-8=248，有248 [100]，表示一个字节的二进制数据。或者是256-4=252，252 10 [xx xx xx xx xx xx xx xx xx xx]，表示连续的10字节二进制数据。

248 ? 1byte data
249 ? ? 2byte data
250 ? ? ? ? 4byte data
251 ? ? ? ? ? ? ? ? 8byte data
252 1byte len, 0-255byte data
253 2byte len, 0-65535byte data
254 4byte len, 0-4GB-1 data
255 8byte len, data

另外一套方案，8个码位使用5个，分别是1 2 4 8字节长度+数据，和标签模式。
1字节标签长度+标签开始+数据+标签结束
[magic byte][4][abcd][data][abcd]
标签要选择数据里边没有的。标签最长255字节，特别地，当标签长度=0时，表示1字节0结尾，即字符串。
[magic byte][0][data][0]