JVM修改的UTF-8中v的格式

Question

在JVM规范中，在改进的UTF-8的描述中，它说明了“两次三字节格式”的v格式：

这意味着补充字符由6个字节表示，u，v，w，x，y和z。 表4.14.五: 1010 (第20至16条)-1

因为v是8位，这意味着(bits 20-16)-1必须是4位。-1如何将bits 20-26从5位缩小到4位？

(补充质询:是否有理由说“两倍三字节”而不是“六字节”？)

Answer 1

Unicode码点从U+0000到U+10FFFF不等。

大于U+FFFF的值称为补充代码点。它们的二进制表示形式是uuuuuxxxxxxxxxxxxxxxx (21位)，其中uuuuu位于00001和10000之间。

在UTF-16中，补充码点由代理对编码，如3.9Unicode编码表单，D91所述。也就是说，uuuuuxxxxxxxxxxxxxxxx由两个16位字符表示：

110110wwwwxxxxxx 110111xxxxxxxxxx，在那里wwww = uuuuu - 1。

因此，00001 ≤ uuuuu ≤ 10000，0000 ≤ wwww ≤ 1111

现在，修改后的UTF-8编码补充代码点，就好像它们是两个字符:高代理项和低代理项.这些代理字符中的每一个都以UTF-8中的3个字节表示.因此“二乘三”的数字。