如何解释UTF-8编码的平假名的字节？

Question

我有一个字符串“はい”，我试图了解它是如何表示为字节的。

Number.prototype.toBits = function () {
    let str = this.toString(2);
    return str.padStart(8, "0");
}
let ja = "はい";
console.log(ja);
let buf = Buffer.from(ja);
for (const c of buf) {
    console.log(c + "=" + c.toBits());
}

产生：

はい
227=11100011
129=10000001
175=10101111
227=11100011
129=10000001
132=10000100

在Unicode表中，字符“は”为306F，字符“い”为3044。

我知道前导“ 1”位表示这是Unicode，直到下一个0为止的1s数是Unicode中的字节数。我不明白306F如何变成11100011 10000001 10101111

Answer 1

根据UTF-8，U + 0800和U + FFFF（U + 306F满足）之间的代码点将被编码为3个字节，并在模式中扩展其位]]

  1110.... 10...... 10......
0x306F的二进制表示形式是0b11000001101111，它适合这些间隙：

| ....0011 ..000001 ..101111
它们一起构成您正在观察的内容：

= 11100011 10000001 10101111

Answer 2

最高有效位（MSB）为1的事实表明它是UTF-8多字节序列。如果前两位是11，则它是序列的start