ED A0 80 ED B0 80 é uma sequência de bytes UTF-8 válida?
java.nio.charset.Charset.forName ("utf8"). decode decodifica uma sequência de bytes de
ED A0 80 ED B0 80
no ponto de código Unicode:
U+10000
java.nio.charset.Charset.forName ("utf8"). decode também decodifica uma sequência de bytes de
F0 90 80 80
no ponto de código Unicode:
U+10000
Isso é verificado pelocode abaixo.
Agora, isso parece estar me dizendo que o esquema de codificação UTF-8 decodificaráED A0 80 ED B0 80
eF0 90 80 80
no mesmo ponto de código unicod
No entanto, se eu visitarhttps: //www.google.com/search? query =% ED% A0% 80% ED% B0% 80,
Vejo que é claramente diferente da páginahttps: //www.google.com/search? query =% F0% 90% 80% 80
Desde que a Pesquisa do Google está usando o esquema de codificação UTF-8 (corrija-me se estiver errado) também,
Isso sugere que o UTF-8 não decodificaED A0 80 ED B0 80
eF0 90 80 80
no mesmo ponto de código unicod
Então, basicamente, eu queria saber, pelooficia padrão, o UTF-8 deve decodificarED A0 80 ED B0 80
sequência de bytes no ponto de código Unicode U + 10000?
Códig:
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)));
}
}
}