请定义术语“多字节安全”

Question

我现在有点迷失在UTF-8中。
我正在寻找术语多字节安全的准确定义。

Answer 1

当你正在处理Unicode字符，它是不是安全地假定所有的字符，只取一个字节或CHAR（JAVA）。所以在读取或解析字符串时，需要考虑这一点。

这是一个excellent article，它解释了在处理Unicode w.r.t Java时的复杂性。

1. 存储字符会占用的字节数不一致。 UTF-8编码字符可能在 之间（LATIN_CAPITAL_LETTER_A）和四个 （MATHEMATICAL_FRAKTUR_CAPITAL_G） 字节之间。可变宽度编码具有 影响读取和 从字节数组解码。

2. 并非所有的代码点都可以存储在char中。所述 MATHEMATICAL_FRAKTUR_CAPITAL_G示例 在于对 字符补充范围，并且不能被存储在16位 。它必须由两个 连续字符值表示，它们本身都不具有意义，它们都不是 。 字符类为使用32位代码点的 提供方法。

// Unicode code point to char array 
    char[] math_fraktur_cap_g = Character.toChars(0x1D50A);