NSUTF8StringEncoding中的6字节表情符号

Question

我对用UTF8编码的表情符号的字节表示感到困惑。我的理解是UTF8字符的大小是可变的，最多4个字节。

[当我在iOS 13的UTF8中编码❤️表情符号时，我得到了6个字节：

NSString* heartEmoji = @"❤️";
NSData* utf8 = [heartEmoji dataUsingEncoding:NSUTF8StringEncoding];
NSLog(@"%@", utf8); // {length = 6, bytes = 0xe29da4efb88f}

如果还原操作，仅消耗前3个字节，我就会得到一个unicode心：

BYTE bytes[3] = { 0 };
[utf8 getBytes:bytes length:3];
NSString* decoded = [[NSString alloc] initWithBytes:bytes length:3 encoding:NSUTF8StringEncoding];
NSLog(@"%@", decoded); // ❤

请注意，我以心脏为例；我尝试了很多表情符号，大多数在UTF8中是4个字节，但有些是6。

我对UTF8有一些错误的假设吗？如何将4个字节的所有表情符号表示为UTF8？

Answer 1

我的理解是UTF8字符的大小是可变的，最多4个字节。

这不太正确。 UTF8 代码点最多4个字节。但是由于组合字符，字符（特别是扩展的字素簇）可能更长。最少几十个字节，在最极端的情况下不限制。有关有趣的示例，请参见Why are emoji characters like 👩‍👩‍👧‍👦 treated so strangely in Swift strings?。

在您的示例中，您的表情符号是HEAVY BACK HEART（U + 2764），后跟VARIATION SELECTOR-16（U + FE0F），表示它应为红色。 UTF-8需要三个字节来对每个代码点进行编码。