UTF-8编码规则

UTF-8 是一种变长字节编码方式。对于某一个字符的 UTF-8 编码，如果只有一个字节则其最高二进制位为 0 ；如果是多字节，其第一个字节从最高位开始，连续的二进制位值为 1 的个数决定了其编码的位数，其余各字节均以 10 开头。 UTF-8 最多可用到 6 个字节。  
如表：  
1 字节 0xxxxxxx 
2 字节 110xxxxx 10xxxxxx 
3 字节 1110xxxx 10xxxxxx 10xxxxxx 
4 字节 11110xxx 10xxxxxx 10xxxxxx 10xxxxxx 
5 字节 111110xx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
6 字节 1111110x 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 10xxxxxx 
因此 UTF-8 中可以用来表示字符编码的实际位数最多有 31 位，即上表中 x 所表示的位。除去那些控制位（每字节开头的 10 等），这些 x 表示的位与 UNICODE 编码是一一对应的，位高低顺序也相同。  
实际将 UNICODE 转换为 UTF-8 编码时应先去除高位 0 ，然后根据所剩编码的位数决定所需最小的 UTF-8 编码位数。  
因此那些基本 ASCII 字符集中的字符（ UNICODE 兼容 ASCII ）只需要一个字节的 UTF-8 编码（ 7 个二进制位）便可以表示。  

对于上面的问题，代码中给出的两个字节是  
十六进制： C0 B1 
二进制： 11000000 10110001 
对比两个字节编码的表示方式：  
110xxxxx 10xxxxxx 
提取出对应的 UNICODE 编码：  
00000 110001 
可以看出此编码并非 “ 标准 ” 的 UTF-8 编码，因为其第一个字节的 “ 有效编码 ” 全为 0 ，去除高位 0 后的编码仅有 6 位。由前面所述，此字符仅用一个字节的 UTF-8 编码表示就够了。  
JAVA 在把字符还原为 UTF-8 编码时，是按照 “ 标准 ” 的方式处理的，因此我们得到的是仅有 1 个字节的编码。  

大家可以试试运行这段代码：  
public class TestUTF8 { 
public static void main(String[] args) throwsException { 
byte[][] bytes = { 
// 00110001 
{(byte)0x31}, 
// 11000000 10110001 
{(byte)0xC0,(byte)0xB1}, 
// 11100000 10000000 10110001 
{(byte)0xE0,(byte)0x80,(byte)0xB1}, 
// 11110000 10000000 10000000 10110001 
{(byte)0xF0,(byte)0x80,(byte)0x80,(byte)0xB1}, 
// 11111000 10000000 10000000 10000000 10110001 
{(byte)0xF8,(byte)0x80,(byte)0x80,(byte)0x80,(byte)0xB1},