UTF-8字符集一个汉字占几个字节

一次在定义中文字符串的数组时，按着以往的认知：一个汉字占两个字节，存4个汉字，共占用8+1个’\0’的位置，总共9个字节，结构最后赋值时，确发现数组后连的数据不对了，经查实才发现是数组越界，上网查资料后才发现utf8的中文并不是占两个字节。原来一个汉字占两个字节限于GBK或GB2312，不适用UTF-8。 

以下是网上找到的资料： 

 UTF-8是变长的,长度在1-6字节.查看了字符映射表－汉语.少数是汉字每个占用3个字节,多数占用4个字节.

占用3个字节的范围

• 1 U+2E80 - U+2EF3 : 0xE2 0xBA 0x80 - 0xE2 0xBB 0xB3      共 115 个  
• 2 U+2F00 - U+2FD5 : 0xE2 0xBC 0x80 - 0xE2 0xBF 0x95      共 213 个  
• 3 U+3005 - U+3029 : 0xE3 0x80 0x85 - 0xE3 0x80 0xA9      共 36 个  
• 4 U+3038 - U+4DB5 : 0xE3 0x80 0xB8 - 0xE4 0xB6 0xB5      共 7549 个  
• 5 U+4E00 - U+FA6A : 0xE4 0xB8 0x80 - 0xEF 0xA9 0xAA      共 44138 个  
• 6 U+FA70 - U+FAD9 : 0xEF 0xA9 0xB0 - 0xEF 0xAB 0x99      共 105 个  
• U+2E80 - U+2EF3 : 0xE2 0xBA 0x80 - 0xE2 0xBB 0xB3      共 115 个
• U+2F00 - U+2FD5 : 0xE2 0xBC 0x80 - 0xE2 0xBF 0x95      共 213 个
• U+3005 - U+3029 : 0xE3 0x80 0x85 - 0xE3 0x80 0xA9      共 36 个
• U+3038 - U+4DB5 : 0xE3 0x80 0xB8 - 0xE4 0xB6 0xB5      共 7549 个
• U+4E00 - U+FA6A : 0xE4 0xB8 0x80 - 0xEF 0xA9 0xAA      共 44138 个
• U+FA70 - U+FAD9 : 0xEF 0xA9 0xB0 - 0xEF 0xAB 0x99      共 105 个

合计： 52156 个

占用4个字节的范围

• 7  U+20000 - U+2FA1D : 0xF0 0xA0 0x80 0x80 - 0xF0 0xAF 0xA8 0x9D      共 64029 个  
• U+20000 - U+2FA1D : 0xF0 0xA0 0x80 0x80 - 0xF0 0xAF 0xA8 0x9D      共 64029 个

合计： 64029 个

参考文章：

http://zengwu3915.blog.163.com/blog/static/2783489720130192028855/

http://blog.csdn.net/chummyhe89/article/details/7777613